简介:摘要目的探索基于多参数MRI影像组学特征融合的新型预测模型在高级别胶质瘤(high-grade glioma, HGG)和单发性脑转移瘤(solitary brain metastasis, SBM)中的鉴别价值。材料与方法收集121名(61名HGG和60名SBM)患者的多参数MRI扫描图像,在常规轴位MRI图像[T1WI、T2WI、T2加权液体衰减反转恢复(T2-weighted fluid attenuated inversion recovery, T2_FLAIR)和T1WI增强图像(post-contrast enhancement T1WI, CE_T1WI)]上勾画了肿瘤实性强化部分的体积(tumor volume of enhancement region, VOIET)。通过合并HGG和SBM的类别信息,对不同MRI序列提取的影像组学特征进行融合,并定量比较了不同MRI序列及其组合的性能。结果从T1WI和T2_FLAIR序列中提取的图像特征的融合比来自其他单一序列或组合的特征具有更显著的预测性能,实现了受试者工作特征曲线下面积、准确率、敏感度和特异度分别为0.946、86.4%、84.1%和88.7%的良好鉴别性能。结论基于多参数MRI影像组学特征的融合模型通过整合肿瘤的多序列MR图像信息,可以实现对HGG和SBM的无创、高效鉴别。