机构名称：
¥ 1.0
目的本研究的目的是预测低级神经胶质瘤切除后的固定转移恶化。方法作者回顾性分析了102例接受低级神经胶质瘤手术的两分之一系列。术前和手术后3-4个月评估了Trail制作测试B和A（TMT B-A）的完成时间之间的差异。与手术腔形态相关的信息的高维度以四种不同的方式减少到一小组预测因子：1）手术腔之间的重叠与组成YEO的17 network大脑的122个皮层包裹之间的重叠； 2）拖拉克斯：主要白质束的空腔断开； 3）手术腔与YEO网络之间的重叠；和4）脱节：Yeo网络的空腔结构断开连接的签名。实施了一种随机的森林算法，以预测TMT B-A Z分数的术后变化。结果最后两种基于网络的方法在剩下的受试者中产生了明显的精度（接收器操作特征曲线下的区域[AUC]大约等于0.8，p大约等于0.001），并且构成了两个替代方案。在单一树层次模型中，YEO皮质皮质网络12（CC 12）的损害程度是一个关键节点：损害CC 12的患者高于7.5％（皮质重叠）或7.2％（DISCONETS）（DISCONETS）具有更高的降低风险，在该网络上首次损害了该网络和良好的损害之间的损害。结论作者的结果对网络级方法是解决病变 - 症状映射问题的有力方法，使机器学习能力具有个人结果预测的强大方法。
下级神经胶质瘤切除后设定转移恶化的网络级预测
主要关键词
相关文件推荐
