贝叶斯网络结合多模态磁共振成像特征在大脑胶质瘤分级中的应用.pdfVIP

摘要 摘要 脑肿瘤是对人类健康造成极大威胁的中枢神经系统常见疾病之一，其术前分级是一项非常重要 但又很困难的临床任务。近年来，高级磁共振成像(如磁共振灌注成像和多体素磁共振波谱成像) 可以提供更多关于肿瘤的诊断信息。而贝叶斯网络作为人工智能领域的一种有力工具可以结合不同 类型信息并完成不确定性下的概率推理。因此，本文使用贝叶斯网络探究其结合多模态磁共振成像 特征在大脑胶质瘤分级中的应用价值。 在特征提取中，本文所使用的特征有中线偏移特征、灌注成像特征、T1w增强特征和多体素磁 共振波谱特征，它们都与肿瘤级别有很大联系。其中，我们提出了较为简单的中线偏移测量方法， 根据临床诊断定义了Tlw增强特征。对于灌注成像，我们提取肿瘤区灌注数据与对侧正常区灌注 数据的比值作为灌注成像特征。对于多体素磁共振波谱，我们基于LcModel波谱量化软件提出了波 谱特征的多重限定准则，提取胆碱、乙酰天门冬氨酸、乳酸、脂质等代谢物，并完成了波谱代谢物 的可视化。 在构建网络进行分级中，本文依次使用中线偏移特征、灌注成像特征、灌注成像特征结合TlW 增强特征、多体素磁共振波谱特征构建贝叶斯网络。网络结构由K2算法学习得到