基于多模态MRI影像组学的胶质瘤MGMT基因甲基化状态研究.pdf

中文摘要

基于多模态MRI影像组学的胶质瘤MGMT基因甲基化状态研究

摘要

第一部分图像预处理方法对基于影像组学预测胶质瘤MGMT基

因甲基化状态的影响研究

目的：

影像组学分析经常受到设备、站点等的不同带来的干扰，本研究旨

在基于随机森林分类器找到各常规磁共振成像（Magneticresonanceimagi

ng，MRI）序列及各序列联合后最适合的图像处理方法。

方法：

首先，回顾性收集了104例（河北医科大学第二医院数据75例，癌

症影像档案【Thecancerimagingarchive，TCIA】公共数据集29例）经

病理证实为O-6-甲基鸟嘌呤-DNA甲基转移酶（O-6-methylguanine-DNA

Methyltransferase，MGMT）基因甲基化（56例）与非甲基化（48例）

的胶质瘤患者的T1加权像（T1weightedimaging，T1WI）、T2WI（T2w

eightedimaging，T2WI）、液体衰减反转恢复序列（Fluidattenuatedinver

sionrecovery，FLAIR）、对比增强T1加权像（ContrastenhancedT1weig

htedimaging，CE-T1WI）。然后，由两名医师进行感兴趣区勾画，勾画

范围包括瘤周水肿区、坏死区、实质区。之后对各序列的感兴趣区分别

进行Z-score、Nyúl图像处理，之后再各自分别进行绝对灰度离散化和相

对离散化，绝对离散化以固定灰度大小（Fixbinsize，FBS）为1/32、1/

64、1/128的值进行处理，相对离散化以固定灰度数量（Fixbinnumber，

FBN）为32、64、128的值进行处理。并对各序列处理后的图像分别使

用Pyradiomics包进行特征提取、特征筛选并进行随机森林建模，得到单

序列最佳图像处理方式。再联合多序列进行特征筛选并建模，得到多序

列最佳图像处理方式。最后将最佳处理方式的单序列特征联合，进行特

征筛选并通过随机森林建模。

结果：

在单序列，CE-T1WI序列配合NyúlFBS1/64最佳，训练集及测试

集曲线下面积（Areaundercurve，AUC）值为0.972/0.850；T1WI序列

1

中文摘要

配合Nyúl最佳，训练集及测试集AUC值为0.988/0.870；T2WI序列配

合Z-scoreFBN128最佳，训练集及测试集AUC值为0.948/0.819；

FLAIR序列配合NyúlFBS1/64最佳，训练集及测试集AUC值为

0.987/0.824。在多序列建模时，各序列通用NyúlFBS1/128最佳，训

练集及测试集AUC值为0.943/0.913。

结论：

本研究探讨并得到了基于随机森林的单序列、多序列的最佳图像处

理方式。在多序列中，各序列通用NyúlFBS1/128最佳；在单序列

中,T1WI适合Nyúl，T2WI适合Z-scoreFBN128，FLAIR适合Nyú

lFBS1/64，CE-T1WI适合NyúlFBS1/64。本研究在建立了一个性能良

好的模型的同时，也为后续研究者提供了关于图像处理方面的建议。

关键词：图像预处理，胶质瘤MGMT基因，Z-score，Nyúl

2

目录

中文摘要··········································································································1

英文摘要·······································