基于不同分割方法的 18F－FDG PET/MR影像组学鉴别帕金森病和多系统萎缩

摘要：

目的:探索不同分割方法构建的
18F－FDG PET/MR影像组学模型对鉴别帕金森病(PD)和多系统萎缩(MSA)诊断效能的影响。
方法:回顾性收集2017年12月至2019年6月间于华中科技大学同济医学院附属协和医院行
18F－FDG PET/MR检查的PD及MSA患者共90例[男37例、女53例，年龄(55.8±9.5)岁]，其中PD患者60例，MSA患者30例，按7∶3的比例随机分为训练集和验证集。采用自动标签功能解剖学(AAL)脑区模板匹配图像的自动脑区分割方法以及ITK－SNAP软件手动逐层分割方法勾画双侧尾状核及壳核作为ROI，分别从
18F－FDG PET和T
1加权成像(WI)中各提取1 172个影像组学特征。采用最小冗余最大相关性(mRMR)和最小绝对收缩和选择算子(LASSO)算法对训练集进行特征降维并建立影像组学模型，同时采用十折交叉验证以减少模型过拟合。采用ROC曲线评价不同分割方法建立的影像组学模型在训练集及验证集中的鉴别诊断效能，并采用Delong检验比较其差异。
结果:训练集63例(42例PD，21例MSA)，验证集27例(18例PD，9例MSA)。采用自动分割和手动分割所建立的影像组学模型(
18F－FDG_Radscore和T
1WI_Radscore)在训练集和验证集中，其Radscore值在PD组和MSA组之间差异均有统计学意义(
z值：－5.15~－2.83,均
P<0.05)。基于自动分割的
18F－FDG_Radscore和T
1WI_Radscore在训练集、验证集的ROC AUC分别为0.848、0.840和0.892、0.877；基于手动分割的两者的AUC分别为0.900、0.883和0.895、0.870；在训练集或验证集中，基于自动和手动分割方法所建立的影像组学模型的诊断效能之间的差异均无统计学意义(
z值：0.04~0.77,均
P>0.05)。
结论:基于自动分割和手动分割方法的
18F－FDG PET/MR影像组学在鉴别PD和MSA中均有较好的诊断效能，但自动分割省时省力且可重复性较高，其在PD和MSA鉴别诊断中具有更大的潜力和实用价值。

关键词：帕金森病、多系统萎缩、图像处理，计算机辅助、正电子发射断层显像术、磁共振成像、氟脱氧葡萄糖F18

所属期刊栏目：43

资助基金：国家自然科学基金81701759;湖北省技术创新重点项目2017ACA182;National Natural Science Foundation of China81701759;Key Project of Hubei Province Technical Innovation2017ACA182

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：25-30