文件名称：基于静息状态 fMRI 特征的脑胶质瘤分级支持向量机。
文件大小：1.08MB
文件格式：PDF
更新时间：2024-06-18 02:27:20
研究论文
目的：肿瘤分级在实体瘤治疗的最佳选择中起着至关重要的作用。 肿瘤的临床分级需要非侵入性方法。 本研究旨在提取神经胶质瘤区域静息态血氧水平依赖性功能磁共振成像（RS-fMRI）的参数，并将提取的特征用于肿瘤分级。 方法：使用常规MRI和RS-fMRI进行肿瘤分割。 定义了信号强度差比、信号强度相关性（SIC）、低频波动幅度分数（fALFF）和区域均匀性（ReHo）四个典型参数来分析肿瘤区域。 Mann-Whitney [公式：见正文] 检验分别用于确定低级别神经胶质瘤 (LGG) 和高级别神经胶质瘤 (HGG) 之间这四个参数的统计差异。 采用支持向量机 (SVM) 来评估这些参数的诊断贡献。 结果：与LGG相比，HGG在肿瘤区域具有更复杂的解剖形态和BOLD-fMRI特征。 根据测试[公式：见正文]值，选择SIC[公式：见正文]、fALFF（[公式：见正文]）和ReHo（[公式：见正文]）作为分类特征。 SVM 分类的准确率、敏感性和特异性均优于 80，其中 SIC 的分类准确率最高（89）。 结论：RS-fMRI参数可有效地对胶质瘤病例的肿瘤分级进行分类。 结果表明，该技术具有作为补充诊断工具的临床潜力。