脑肿瘤是一种常见的高致死、高致残神经系统疾病,在没有适当医疗照顾的情况下,病人平均寿命为1～2年。因此脑肿瘤的分类与分级在后续治疗和预后计划制定上显得极为重要。目前临床上脑肿瘤确诊的“金标准”依然是活体病理切片,尽管准确性可靠,但加深了病人的痛苦：一方面因为某些特殊部位的肿瘤(如脑干肿瘤等)不适宜进行病理切片；另一方面因为病理切片对病人的身体素质(如血小板指数等)要求较高。因此,一种无创的脑肿瘤分类和分级技术具有极高的临床意义。磁共振波谱技术(Magnetic Resonance spectroscopy, MRS)能对人体的组织代谢、生化环境和化合物进行无创的定量分析,是在MRI (Magnetic Resonance Imaging)形态学诊断的基础上,从代谢方面对病变进一步研究。基于MRS技术,可根据肿瘤组织和正常组织之间、不同类型肿瘤之间、不同级别肿瘤之间的代谢物组成差异,建立分类模型,对肿瘤的类型和级别进行无创诊断。本研究希望结合MRS量化参数和其他临床特征,建立起综合的脑肿瘤辅助诊断技术。目前已有许多脑肿瘤分类或分级研究,尽管其准确性可高达95%,但将两者结合,同时给出分类和分级的诊断系统还刚刚起步。同时,这些分类技术,仅仅以MRI或MRS特征为主,暂未充分考其他临床认证。本文创新性地提出了多层分类系统,结合医师的临床诊断流程,根据多体素MRS测得的代谢差异,对肿瘤的类型和级别进行无创诊断。第一层,提取肿瘤病灶区的生化标记物胆碱(Cho)、N-乙酰天门冬氨酸(NAA)及乳酸(Lac),使用支持向量机(Support Vector Machine, SVM)算法进行有或无肿瘤的诊断；第二层,结合临床历史资料(如头痛、呕吐等临床表现)和MRI、MRS信息,建立肿瘤模型并计算各肿瘤得分,得分最高的肿瘤为计算机诊断类型；第三层,再根据脂质(Lip)、肌醇(mI)等信息,利用SVM对肿瘤进行分级(高级、低级)。本研究提取出若干临床上易受忽略的特征,三层分类系统的整体准确性可达90%。从粗分类,到细分类再到经分类的分类流程符合临床医生诊断习惯,为医生和研究人员提供了便利。本技术在将来也可接入医院的数据系统,将结合脑肿瘤数据库,实现医生的临床辅助诊床需求。