机构名称：
¥ 1.0
高级别儿童脑肿瘤是儿童中癌症死亡率最高的。虽然常规 MRI 已被广泛用于临床检查儿童高级别脑肿瘤，但准确的神经影像学检测和肿瘤组织病理学的区分以改善诊断、手术计划和治疗评估仍然是临床管理中尚未满足的需求。我们采用了一种新颖的扩散组织学成像 (DHI) 方法，使用扩散基础频谱成像 (DBSI) 衍生的指标作为深度神经网络分析的输入分类器。DHI 旨在检测、区分和量化儿童高级别脑肿瘤中的异质区域，包括正常白质 (WM)、密集细胞肿瘤、密度较低的细胞肿瘤、浸润边缘、坏死和出血。因此，不同的扩散指标组合将指示每个不同肿瘤组织学特征的独特分布。DHI 通过结合 DBSI 指标和深度神经网络算法，对儿童肿瘤组织学进行了分类，总体准确率为 85.8%。受试者工作分析 (ROC) 分析表明，DHI 在区分单个肿瘤组织学方面具有很强的能力，正常 WM、致密细胞肿瘤、稀疏细胞肿瘤、浸润边缘、坏死和出血的 AUC 值 (95% CI) 分别为 0.984 (0.982–0.986)、0.960 (0.956–0.963)、0.991 (0.990–0.993)、0.950 (0.944–0.956)、0.977 (0.973–0.981) 和 0.976 (0.972–0.979)。我们的结果表明，DBSI-DNN 或 DHI 可以准确地表征和分类儿童高级别脑肿瘤中的多种肿瘤组织学特征。如果这些结果能够在患者身上得到进一步验证，那么新型 DHI 可能会成为当前神经影像技术的有利替代方案，以更好地指导活检和切除以及监测高级别脑肿瘤患者的治疗反应。
扩散组织学成像可区分不同的儿童脑肿瘤组织学
主要关键词
相关文件推荐
