摘要
摘要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。
出版日期
2022年12月13日（中国期刊网平台首次上网日期，不代表论文的发表时间）
