预测脑胶质瘤无进展生存期的MRI深度学习研究.pdfVIP

临床研究｜｜ClinicalArticles磁共振成像2025年2月第16卷第2期ChinJMagnResonImaging,Feb,2025,Vol.16,No.2

预测脑胶质瘤无进展生存期的MRI深度学习研究

12223*

张秋芬，高宇，毛珂，韩东明，翟晓阳

作者单位1.开封市中心医院影像科，开封475000；2.新乡医学院第一附属医院磁共振科,新乡453100；3.河南中医药大学第一附

属医院磁共振科，郑州450000

*通信作者翟晓阳，E-mail:zxybuddha@163.com

中图分类号R445.2；R730.264文献标识码ADOI10.12015/issn.1674-8034.2025.02.003

本文引用格式张秋芬,高宇,毛珂,等.预测脑胶质瘤无进展生存期的MRI深度学习研究[J].磁共振成像,2025,16(2):14-19,28.

[摘要]目的基于T2WI开发并验证一种预测脑胶质瘤患者无进展生存期（progression-freesurvival,PFS）的深度学习（deep

learning,DL）模型。材料与方法收集了来自三个中心共345名被诊断为胶质瘤患者的MRI图像和临床资料。建立了9个DL模

型来预测PFS，使用外部测试集对模型性能进行验证。采用C指数确定最佳模型，并比较了这些模型的性能。根据训练集中计

算的风险评分截止值，将患者分层为高风险组和低风险组，评估他们的PFS之间的差异。结果训练集和测试集分别由249名

和96名患者组成。WideResNet50-2深度学习模型表现优异，在训练集和测试集的C指数分别为0.694和0.714。将临床特征与

DL特征结合后建立的综合模型得到最高的模型表现，在训练集和外部测试集的C指数分别为0.724和0.795。根据深度学习特征

计算的风险评分可以用于区分不同风险的患者。结论基于术前MRI的DL模型能够预测胶质瘤患者的PFS，并可作为术前风

险分层工具。

[关键词]脑胶质瘤；磁共振成像；深度学习；机器学习；无进展生存期

MRIdeeplearningstudytopredictprogression-freesurvivalinbrainglioma

12223*

ZHANGQiufen,GAOYu,MAOKe,HANDongming,ZHAIXiaoyang

1DepartmentofRadiology,theKaifengCentralHospital,Kaifeng475000,China;2DepartmentofMR,theFirstAffiliatedHospitalof

XinxiangMedicalUniversity,Xinxiang453100,China;3DepartmentofMR,theFirstAffiliatedHospitalofHenanUniversityofCM,

Zhengzhou450000,China

*

CorrespondencetoZHAIXY,E-mail:zxybuddha@163.com

Received15Aug2024,Accepted10Feb2025;DOI10.12015/issn.1674-8034.2025.02.003

ACKNOWLEDGMENTSHenanProvincialScienceandTechnologyResearchFundProject(No.LHG.

CitethisarticleasZHANGQF,GAOY,MAOK,etal.MRIdeeplearningstudytopredictprogression-freesurvivalin