第一部分MRI基本特征及临床因素对高级别胶质瘤术后复发模式的预测目的:分析高级别胶质瘤（High-grade glioma,HGG）患者常规MRI和DWI序列的影像学特征及临床因素,探讨常规MRI及DWI影像学征象及临床因素在术前评估HGG术后复发模式的价值,为临床医生对HGG患者的治疗决策和预后评估提供参考。方法:收集2016年1月至2021年11月在山西省人民医院进行手术的HGG患者74例,均在术后间隔3个月的定期随访过程中有病理学或影像学证实肿瘤复发,影像学检查方法包括常规序列及波谱、灌注等特殊功能成像序列。根据不同复发模式将HGG患者分为局部复发组、非局部复发组、混合复发组。最后将混合复发组纳入非局部复发组。收集所有患者的临床资料及影像资料,对所有患者手术前后的普通平扫序列、DWI（b=1000）序列及对比增强T1加权成像（contrast enhanced-T1weighted imaging,CE-T1WI）序列图像进行分析。最后统计所有HGG患者年龄、性别、是否经过放化疗、肿瘤位置、肿瘤体积、瘤周水肿程度、不同区域ADC定量参数值、肿瘤切除程度以及患者异柠檬酸脱氢酶（isocitrate dehydrogenase,IDH）突变情况、O~6-甲基鸟嘌呤-DNA甲基转移酶（O~6-methylguanine-DNA methyltransferase,MGMT）启动子甲基化状态等因素。研究各因素在局部复发组与非局部复发组之间是否具有差异性。又根据肿瘤与室管膜（subventricular zone,SVZ）、皮质接触情况（接触:+,未接触:-）将所有患者分为四组,其中Ⅰ组为SVZ（+）、皮质（+）;Ⅱ组为SVZ（+）、皮质（-）;Ⅲ组为SVZ（-）、皮质（+）;Ⅳ为SVZ（-）、皮质（-）。研究复发模式在四组之间是否具有统计学意义。使用SPSS 26.0进行统计分析。卡方检验、Fisher确切概率法或者两独立样本比较的Wilcoxon秩和检验用于定性资料的组间比较。均数±标准差（±s）用于统计描述符合正态性及方差齐性的定量资料,两独立样本t检验用于该类资料的组间比较;M(25～75)用于统计描述不满足以上条件的定量资料,两独立样本比较的Wilcoxon秩和检验用于该类资料的组间比较。HGG术后复发模式的独立危险因素通过logistic回归分析判断。利用受试者工作特征（receiver operating characteristic,ROC）曲线分析指标来评估HGG术后复发模式不同影响因素的预测性能及各因素的联合预测性能。使用Kappa一致性描述预测方法与结局之间的一致性。检验水准α=0.050。结果:本研究共纳入74例患者,其中男性患者44（59.46%）例,女性患者30（40.54%）例,平均年龄（52.39±12.12）岁。皮质阳性患者46（62.16%）例,SVZ阳性患者41（55.41%）例,局部复发的患者57（77.03%）例,非局部复发的患者17（22.97%）例。本研究结果表明,皮质接触情况、SVZ接触情况、IDH突变情况、MGMT基因启动子甲基化状态在局部复发与非局部复发组之间存在统计学意义（P＜0.050）。SVZ阳性、IDH突变型、MGMT启动子甲基化在非局部复发组高于局部复发组;皮质阳性在局部复发组高于非局部复发组。SVZ接触情况与MGMT基因启动子甲基化状态为非局部复发的独立危险因素。SVZ接触情况与MGMT基因启动子甲基化状态联合预测复发模式的灵敏度为52.94%,特异度为87.72%,曲线下面积AUC为0.75±0.07。根据SVZ与皮质接触情况分组后,本研究还发现复发模式在Ⅱ组与Ⅲ组之间具有统计学意义,Ⅱ组非局部复发率远高于Ⅲ组。结论:MRI基本特征及临床因素能对HGG术后复发模式进行较为准确的评估。皮质接触情况、SVZ接触情况、IDH突变情况、MGMT基因启动子甲基化状态在精准评估HGG术后复发模式方面效能较好,其中SVZ接触情况、MGMT基因启动子甲基化状态联合模型预测复发模式的性能最好,可为HGG患者术后定期随访及患者选择合适治疗方法提供可靠的诊断依据。第二部分影像组学对高级别胶质瘤术后复发模式的预测目的:通过基于FALIR、CE-T1WI、DWI的影像组学方法构建HGG术后复发模式的预测模型,探讨其在术前无创性地预测HGG复发模式的价值,利于为患者提供优化治疗方案。方法:本研究收集2016年1月至2021年11月就诊于山西省人民医院神经外科,经手术病理证实为HGG患者65例,其中Ⅲ级9例,Ⅳ级56例,均在术后间隔3个月的定期随访过程中有病理学或影像学证实肿瘤复发,影像学检查方法包括常规序列及波谱、灌注等特殊功能成像序列。其中局部复发组52例,非局部复发组13例。回顾性分析上述所有患者的影像数据及临床资料,且所有患者全部用来做训练集。影像资料包括T1WI、T2WI、FLAIR、CE-T1WI及DWI（b=1000）图像。临床资料包括患者的年龄、性别、肿瘤发生部位、肿瘤体积、瘤周水肿程度、肿瘤切除程度、是否经过放化疗以及IDH突变情况、MGMT启动子甲基化状态。根据T1WI、T2WI及CE-T1WI图像确定肿瘤实质区和周围水肿区,于肿瘤实质ADC信号最低区域、水肿区域、对侧正常区域绘制感兴趣区（region of interest,ROI）。使用开源的ITK-SNAP 3.8.0软件分别在FLAIR、CE-T1WI及DWI图像上勾画ROI,对每个序列的ROI提取了1125个定量特征。利用降维处理后筛选出的10个最优特征建立影像组学标签。基于FLAIR、DWI及CE-T1WI分别构建独立序列模型,并建立联合模型。从影像基本特征及临床因素中选出独立预测因子,结合影像组学标签最终构建预测HGG复发模式的联合模型。根据各个模型的ROC曲线及决策曲线（decision curve analysis,DCA）评估其预测性能。结果:预测HGG复发模式的多序列影像组学联合模型由10个影像组学特征构成,其AUC为0.937;基于影像组学特征和非影像组学特征联合构建的影像组学诺模图模型预测性能优于影像组学联合模型预测性能,其AUC分别为0.948、0.937。结论:影像组学诺模图的构建在鉴别HGG的复发模式方面,体现出了较好的诊断效能,可以成为一种术前预测HGG复发模式的非侵入策略。