论文部分内容阅读
目的:探讨基于T1WI、FS-T2WI的影像组学模型用于预测脂肪肉瘤组织病理学亚型的可行性及应用价值。材料与方法:一、一般资料回顾性分析2013年6月至2020年1月于大连医科大学附属第二医院进行MRI检查并经病理证实为脂肪肉瘤的患者。共收集76名患者,其中男41例、女35例,年龄范围21-85岁,平均年龄58±13.7岁。有73例脂肪肉瘤行FS-T2WI扫描,包括不典型脂肪瘤样肿瘤/高分化型20例、黏液型27例、去分化型14例、多形性12例;71例行T1WI扫描,包括不典型脂肪瘤样肿瘤/高分化型18例、黏液型28例、去分化型11例、多形性14例。二、图像采集及处理(一)扫描设备与方法MRI扫描设备包括GE Discovery MR 750W 3.0T、Siemens Verio 3.0 T、GE HDxt 1.5T MR扫描仪,采用膝关节线圈、大柔线圈、头颈联合线圈或16通道相控阵线圈。扫描序列包括平扫T1WI、T2WI压脂(FS-T2WI)序列,部分病例行DWI及增强扫描。(二)常规影像学诊断分析脂肪肉瘤的常规MRI由两名影像科医师(影像科医生A、B分别具有3年和8年骨肌影像诊断经验)共同分析。根据肿瘤的大小(肿瘤最长径)、肿瘤所在部位、边界(清/不清)、肿瘤平扫信号特征、DWI信号特征、肿瘤T2WI异质性、肿瘤增强特征等进行分析。(三)影像组学分析1.肿瘤感兴趣容积勾画将脂肪肉瘤的MRI图像以DICOM格式导入北京汇医慧影公司影像组学云平台(http://mics.radcloud.com),分别在T1WI、FS-T2WI序列上沿着肿瘤边缘进行逐层勾画,将每一层勾画的肿瘤边界进行三维容积重建得到VOI,包含囊变、坏死及出血区。2.特征值的提取将病灶在T1WI、FS-T2WI的VOI进行影像组学特征值的计算,得到的特征值包括基于特征类和基于过滤器类,其中基于特征类可以分为一阶统计量特征、形状大小特征、纹理特征;基于过滤器类包括小波变换和拉普拉斯高斯滤波等。3.特征值的筛选对提取出的特征值依次通过移除低方差选择法、单变量特征选择方法、特征性主要成分分析进行特征值的筛选。4.建立分类诊断模型随机将各亚型病例按80%作为训练集、20%作为验证集,基于T1WI、FS-T2WI分别使用K近邻(K-nearest neighbor,KNN)、支持向量机(Support Vector Machine,SVM)两种分类器建立脂肪肉瘤组织病理学亚型的影像组学鉴别诊断模型。5.统计学分析绘制ROC曲线并计算曲线下面积(AUC)、敏感度、特异度来评价模型的诊断效能,当AUC越接近1,表示模型的诊断效能越好;用F1-score来评价模型的稳定性,当F1-score越接近1表示模型稳定性越好。结果:一、脂肪肉瘤组织病理学亚型MRI表现典型的脂肪肉瘤各亚型有其特征性表现,不典型脂肪瘤样肿瘤/高分化脂肪肉瘤多位于大腿,表现为有包膜及分隔的成熟脂肪肿块;黏液样脂肪肉瘤表现为含黏液多的特征,T2WI高信号、T1WI低信号,增强扫描明显强化,部分病例可见少量肉眼可见的宏观脂肪;去分化脂肪肉瘤多位于腹膜后,肿瘤由成熟脂肪部分和异质性高的肉瘤部分构成,且二者呈骤然中断现象;多形性脂肪肉瘤多表现为高度异质性软组织肉瘤,常常伴出血及坏死,含很少或不含脂肪组织。二、影像组学结果(一)特征值提取及筛选结果病灶的VOI在T1WI、FS-T2WI分别得到1412个特征值,经过移除低方差选择算法特征值分别降为898、924,再经过单变量特征选择算法分别得到120、258个特征值,将得到的特征值进行特征性主成分分析降维。(二)影像组学预测模型建立结果1.基于T1WI的KNN分类器诊断结果及评价:不典型脂肪瘤样肿瘤/高分化型AUC为0.83,F1-score为0.60;黏液型AUC为0.87,F1-score为0.74;去分化型AUC为0.78,F1-score为0.55;多形性AUC为0.76,F1-score为0.57;2.基于T1WI的SVM分类器诊断结果及评价:不典型脂肪瘤样肿瘤/高分化型AUC为0.93,F1-score为0.73;黏液型AUC为0.90,F1-score为0.86;去分化型AUC为0.83,F1-score为0.67;多形性AUC为0.76,F1-score为0.72;3.基于FS-T2WI的KNN分类器诊断结果及评价:不典型脂肪瘤样肿瘤/高分化型AUC为0.96,F1-score为0.72;黏液型AUC为0.88,F1-score为0.80;去分化型AUC为0.77,F1-score为0.57;多形性AUC为0.84,F1-score为0.67;4.基于FS-T2WI的SVM分类器诊断结果及评价:不典型脂肪瘤样肿瘤/高分化型AUC为0.90,F1-score为0.76;黏液型AUC为0.96,F1-score为0.86;去分化型AUC为0.90,F1-score为0.71;多形性AUC为0.88,F1-score为0.82。结论:通过对76例不同组织病理学亚型的脂肪肉瘤T1WI、FS-T2WI影像组学分析,可以得出以下结论:一、首次提出了应用“影像组学”的方法鉴别脂肪肉瘤组织病理学亚型,为鉴别脂肪肉瘤亚型提供了常规MRI诊断以外一种新的、有效的辅助诊断手段。二、基于T1WI的KNN分类器、基于T1WI的SVM分类器、基于FS-T2WI的KNN分类器、基于FS-T2WI的SVM分类器均可以鉴别脂肪肉瘤组织病理学亚型,其中基于FS-T2WI的SVM分类器诊断效能最好,不典型脂肪瘤样肿瘤/高分化型AUC为0.90;黏液型AUC为0.96;去分化型AUC为0.90;多形性AUC为0.88。