目的建立基于轴位及矢状位T1WI增强图像的影像组学模型术前预测脑膜瘤病理分级,并测试其表现.材料与方法回顾性收集2017年1月至2020年12月病理诊断为脑膜瘤且符合纳入标准患者(132例)的MRI图像.使用图像分割软件ITK-SNAP勾画感兴趣区,再采用pyradiomics从中提取影像组学特征,将数据以8:2的比例分成训练集(105例)和测试集(27例).通过组内相关系数评估特征的可重复性,之后筛选特征,采用RBF核支持向量机算法构建模型.最后,使用测试集数据评估模型表现,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线.结果基于轴位和矢状位图像的综合模型表现优于其他单序列模型,各模型表现在应用少数类过采样技术(synthetic minority over-sampling technique,SMOTE)后均有不同程度的提升.应用SMOTE的综合模型测试表现最优,其ROC曲线下面积、敏感度、特异度、准确度分别为0.982、0.900、1.000和0.963.结论基于轴位和矢状位T1WI增强图像的影像组学模型有助于术前预测脑膜瘤病理分级.
作者：杨椿雪；原梦；张金玲；王天佐
来源：磁共振成像 2022 年 13卷 2期
