Suppr超能文献

基于多参数 PET/MRI 的影像组学分析在原发性宫颈癌 N 及 M 分期中的应用。

Radiomics Analysis of Multiparametric PET/MRI for N- and M-Staging in Patients with Primary Cervical Cancer.

机构信息

Department of Diagnostic and Interventional Radiology and Neuroradiology, University Hospital Essen, University of Duisburg-Essen, D-45147 Essen, Germany.

Department of Diagnostic and Interventional Radiology, University Dusseldorf, Medical Faculty, D-40225 Dusseldorf, Germany.

出版信息

Rofo. 2020 Aug;192(8):754-763. doi: 10.1055/a-1100-0127. Epub 2020 Apr 30.

Abstract

ZIELSETZUNG

Ziel dieser Studie war die Evaluierung des prädiktiven Potenzials der Radiomics-Analyse zur Bestimmung des N- und M-Stadiums des primären Zervixkarzinoms anhand multiparametrischer F-FDG-PET/MRT-Bildgebung.

MATERIAL UND METHODEN

30 Patientinnen mit einem histologisch gesicherten, primären und therapienaiven Zervixkarzinom unterzogen sich einer multiparametrischen F-FDG-PET/MRT-Untersuchung unter Verwendung eines dedizierten Untersuchungsprotokolls des weiblichen Beckens. Nach Segmentierung der Primärtumoren wurden quantitative Bildparameter mittels der Radiomic-Image-Processing-Toolbox bestimmt. Insgesamt wurden 45 verschiedene quantitative Bildmerkmale jeweils anhand der T2-gewichteten TSE-Sequenzen, der nativen und kontrastmittelgestützten T1-gewichteten TSE-Sequenzen, der ADC-Map, verschiedenen Perfusionsparametern (Ktrans, Kep, Ve and iAUC) und den F-FDG-PET-Datensätzen für jeden Tumor extrahiert. Die statistische Analyse zur Bestimmung des N- und M-Stadiums erfolgte unter der Verwendung der Python 3.5 und Scikit-learn-Software-Bibliothek für maschinelles Lernen.

ERGEBNISSE

Insgesamt zeigte sich eine höhere Genauigkeit zur Prädiktion des korrekten M-Stadiums im Vergleich zum N-Stadium. Zur Prädiktion des korrekten M-Stadiums zeigten sich unter der Verwendung von SVM und SVM-RFE zur Feature-Auswahl die besten Ergebnisse mit einer Sensitivität von 91 %, einer Spezifität von 92 % und einer Fläche unter der Kurve (AUC) von 0,97. Die höchste Genauigkeit für die Bestimmung des N-Stadiums erfolgte unter der Verwendung von RBF-SVM und MIFS zur Feature-Auswahl mit einer Sensitivität von 83 %, einer Spezifität von 67 % und einer Fläche unter der Kurve (AUC) von 0,82.

SCHLUSSFOLGERUNG

Die Radiomics-Analyse von multiparametrischen PET/MR-Datensätzen ermöglicht eine präzise Prädiktion des M- und N-Stadiums von Patientinnen mit primärem Zervixkarzinom und könnte damit supportiv zur nichtinvasiven Tumor-Phänotypisierung und Patientenstratifizierung eingesetzt werden.

KERNAUSSAGEN

· Die Radiomics-Analyse der multiparametrischen PET/MRT ermöglicht die Prädiktion des Metastasierungsstatus des Zervixkarzinoms.. · Die Prädiktion des M-Stadiums ist der Prädiktion des N-Stadiums überlegen.. · Die multiparametrische PET/MRT bietet eine valide Plattform für Radiomics-Analysen..

CITATION FORMAT

· Umutlu L, Nensa F, Demircioglu A et al. Radiomics Analysis of Multiparametric PET/MRI for N- and M-Staging in Patients with Primary Cervical Cancer. Fortschr Röntgenstr 2020; 192: 754 - 763.

摘要

目的

本研究旨在评估基于多参数 F-FDG PET/MRI 图像的放射组学分析对原发性宫颈癌 N 和 M 分期的预测能力。

材料和方法

30 名经组织学证实的原发性、初治宫颈癌患者接受了基于女性盆腔的专用协议的多参数 F-FDG PET/MRI 检查。在对原发性肿瘤进行分割后,使用放射组学图像处理工具箱确定定量图像参数。总共从 T2 加权 TSE 序列、原始和对比增强 T1 加权 TSE 序列、ADC 图、各种灌注参数(Ktrans、Kep、Ve 和 iAUC)以及每个肿瘤的 F-FDG PET 数据集中提取了 45 种不同的定量图像特征。使用 Python 3.5 和 Scikit-learn 软件库进行了用于确定 N 和 M 分期的统计分析。

结果

总体而言,与预测 N 分期相比,预测 M 分期的准确性更高。在使用 SVM 和 SVM-RFE 进行特征选择的情况下,对于预测正确的 M 分期,结果显示敏感性为 91%,特异性为 92%,曲线下面积(AUC)为 0.97。使用 RBF-SVM 和 MIFS 进行特征选择时,对 N 分期的预测准确性最高,敏感性为 83%,特异性为 67%,曲线下面积(AUC)为 0.82。

结论

多参数 PET/MR 数据的放射组学分析可以准确预测原发性宫颈癌患者的 M 和 N 分期,这可能有助于对肿瘤表型进行非侵入性评估和对患者进行分层。

关键词

· 多参数 PET/MR 成像可预测宫颈癌转移状态。· 与预测 N 分期相比,预测 M 分期具有更高的准确性。· 多参数 PET/MR 提供了进行放射组学分析的有效平台。

文献AI研究员

20分钟写一篇综述,助力文献阅读效率提升50倍。

立即体验

用中文搜PubMed

大模型驱动的PubMed中文搜索引擎

马上搜索

文档翻译

学术文献翻译模型,支持多种主流文档格式。

立即体验