利用支持向量机对基于静止状态功能磁共振成像特征的脑胶质瘤进行分级。

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。 需要非侵入性方法来对肿瘤进行临床分级。 这项研究旨在提取神经胶质瘤区域中静止状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:采用常规MRI和RS-fMRI进行肿瘤分割。 定义了四个典型参数,信号强度差异比,信号强度相关性(SIC),低频波动分数幅度(fALFF)和区域均匀性(ReHo),以分析肿瘤区域。 进行Mann-Whitney [公式:参见文字]测试,以识别低度神经胶质瘤(LGG)和高度神经胶质瘤(HGG)这四个参数的统计差异。 支持向量机(SVM)用于评估这些参数的诊断作用。 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:参见文本]值,选择了SIC [公式:参见文本],fALFF([公式:参见文本])和ReHo([公式:参见文本])作为分类特征。 SVM分类的准确性,敏感性和特异性均优于80,其中SIC的分类准确性最高(89)。 结论:RS-fMRI的参数可有效地对神经胶质瘤病例的肿瘤分级进行分类。 结果表明,该技术具有