《临床放射学杂志》发表论文赏析
作者:徐子超, 宗会迁, 张娅, 柳青, 史朝霞, 彭兴珍
单位:050000 石家庄,河北医科大学第二医院医学影像科
摘要:目的对比不同的深度学习分割方法及手动分割方法联合影像组学对高级别胶质瘤(HGG)和单发性脑转移瘤(SBM)患者的MRI图像进行鉴别。方法回顾性分析428例患者的多参数MRI图像,使用Deep Residual U-Net、DenseUnet-based、Fully Convolutional Network、Hybrid Residual U-Net、Nested U-Net及U-Net 6个卷积神经网络模型。首先,在每个序列的图像分割之前对所有图像进行预处理,然后进行训练,训练完成后将模型用来实战分割。然后对这6个模型分割的图像及手动分割的图像进行影像组学特征提取,特征提取完成后进行特征筛选。最后,采用支持向量机、逻辑回归、随机森林及K近邻4种算法建立分类模型。结果采用8种特征组合的方式(6个深度学习卷积网络模型提取出来的特征组合,手动分割提取出来的特征组合及将所有提取出的特征组合到一起的综合组合)评价不同组合下的模型性能,结果显示,在综合组合中的随机森林模型表现最优,其在训练集和测试集上的AUC值分别达到0.95和0.93,展现出优异的分类性能。结论多种深度分割模型联用可以提高鉴别效果,传统手动分割模型优于某些单一深度学习模型。这些模型在区分HGG和SBM疾病方面展现出显著的效能,尤其是结合所有的分割模型提取特征后的综合组合,从而为临床决策和诊疗计划的制定提供了有力的支持。
关键词:图像分割,高级别胶质瘤,转移瘤,深度学习,影像组学,磁共振成像
基金资助:河北省医学科学研究课题计划资助项目(编号:20230518)
2025年4期其他文献查阅:
基于磁化转移成像技术在特发性震颤与帕金森病鉴别诊断中的价值探究
基于深度学习图像分割结合影像组学鉴别高级别胶质瘤和转移瘤的应用研究
基于多序列磁共振成像U-net模型在脑胶质瘤预后评估中的应用价值
基于CT影像组学及深度学习模型区分腮腺多形性腺瘤和基底细胞腺瘤
磁共振虚拟弹性成像和体素不相干运动成像评估乳腺良、恶性病变:与超声弹性成像的对比研究
DECT定量参数联合形态学特征预测肺实性结节浸润性非黏液腺癌的分化程度
四维血流磁共振成像在肝硬化患者门静脉系统解剖和血流动力学的可行性研究
基于术前18F-FDG PET/CT影像组学机器学习模型预测Ⅱ~Ⅲ期结直肠腺癌病理高危状态及预后评估
使用扩散加权成像实现在治疗床上即刻评估磁共振引导聚焦超声治疗消融子宫肌瘤的效果
基于能谱CT 120 kVp-like图像和碘图的细胞外体积分数在术前预测肾透明细胞癌分级的价值
机器学习多种算法构建MRI影像组学模型预测睾丸良恶性病变的对比分析
双层探测器光谱CT单能量成像联合去金属伪影算法在TIPS术后随访的应用价值
3D-T2WI-DESS及DTI成像技术在腰骶神经解剖及功能成像中的应用