论文部分内容阅读
目的：在临床工作中对于胶质瘤、脑膜瘤和转移瘤等颅内常见脑肿瘤的鉴别诊断常常遇到困难，而不同肿瘤的临床治疗方法和预后又有很大差异。本项目拟开发一种颅内常见肿瘤的智能诊断软件，结合磁共振技术和人工智能技术两方面的优势，使临床常见颅内肿瘤的诊断正确率得到提高，使诊断程序更加简捷。方法：选自山东省医学影像学研究所2012年11月-2013年11月期间脑肿瘤病人60例，术前均行磁共振常规检查和磁共振波谱检查，包括胶质瘤25例(低级别胶质瘤10例，高级别胶质瘤15例)、脑膜瘤20例和转移瘤15例，部分转移瘤经临床证实，其余病例均经手术病理证实，另选20例正常志愿者。在术前采用西门子公司SKYRA3.0T超导磁共振行MR常规检查(轴位TSE序列T2WI、T1WI和FLAIR)、1H-MRS、DWI检查，分别在肿瘤实质区、瘤周水肿区和正常对照区选取感兴趣区(ROI)，测定ROI区域的代谢物比值和ADC值，记录各ROI的NAA/Cr、Cho/Cr、NAA/Cho比值及ADC值。统计学分析使用SPSS13.0，计算三种肿瘤感兴趣区各代谢物比值及ADC值的平均值，用均数±标准差表示；采用双样本t检验，对比三种肿瘤实质区之间、三种肿瘤水肿区之间、不同级别胶质瘤之间各代谢物比值及ADC值有无差异，P值小于0.05为差异具有统计学意义。对波谱数据集行遗传算法分析，选择与优化特征值，将提取出的20个显著特征值作为最优特征子集输入分类器；将代谢物比值和ADC值组成的典型特征值，直接作为特征值输入分类器。用于病人样本分类的分类器采用Fisher判别法和支持向量机(SVM)两种。然后根据每种单分类器的权重和四个结果的差异对分类结果进行评估，最后确定诊断结果。在实际医学诊断过程中，将新病例输入最优化的多分类器组进行分类，将分类结果作为人工智能诊断结果。结果：1.三种颅内肿瘤实质区之间NAA/Cr值差异有统计学意义(p<0.05)，脑膜瘤实质区与胶质瘤、转移瘤实质区之间Cho/Cr值差异有统计学意义(p<0.05)，脑膜瘤实质区与胶质瘤、转移瘤实质区之间的NAA/Cho值差异有统计学意义(p<0.01)，脑膜瘤实质区与胶质瘤、转移瘤实质区之间ADC值差异有统计学意义(p<0.01)，胶质瘤瘤周水肿区与脑膜瘤、转移瘤瘤周水肿区之间ADC值差异有统计学意义(p<0.05)，见表3；高、低级别胶质瘤瘤周水肿区之间Cho/Cr、 NAA/Cho及ADC值差异有统计学意义(p<0.05)，见表4；高级别胶质瘤与转移瘤之间瘤周水肿区NAA/Cho、Cho/Cr、NAA/Cr及ADC值均有统计学差异(p<0.01)，见表5。2.1H-MRS波谱数据经遗传算法(Genetic Algorithms，GA)特征提取，得到20个特征值，得到的经典特征值包括弥散加权成像后处理得到ADC值，波谱后处理测得的NAA、Cho、Cr、Lac、Lip浓度值以及NAA/Cr、Cho/Cr、NAA/Cho等浓度的比值。经交叉验证实验后，将提取的特征及经典特征值进入Fisher分类器、SVM分类器，得到分类结果。评估计算机诊断模型的诊断正确率，见表6。结论：1．在肿瘤实质区，脑膜瘤与其他两种肿瘤的代谢物比值及ADC值存在明显差别；高、低级别胶质瘤瘤周水肿区的代谢物比值及ADC值差异明显；瘤周的NAA/Cho及ADC值可用于鉴别高级别胶质瘤与转移瘤。利用肿瘤和瘤周水肿区的1H-MRS代谢物比值及ADC值，可以较好的对三种颅内肿瘤作出鉴别诊断。2．以1H-MRS和DWI为基础建立的人工智能诊断模型通过数据挖掘，特征向量提取，将不同肿瘤的代谢和弥散特征分辨出来，诊断正确率高，达到鉴别诊断的目的。在一定程度上起到了非侵入性活检的效果,对临床治疗方案的制定具有更强的指导意义，具有良好的临床应用价值。