基于MRI影像組學(xué)的膠質(zhì)瘤及瘤周水腫特征在腫瘤復(fù)發(fā)評估中的價(jià)值探究一、引言1.1研究背景與意義膠質(zhì)瘤是最常見的原發(fā)性顱內(nèi)腫瘤，具有高度浸潤性生長的特點(diǎn)，這使得手術(shù)難以完全切除腫瘤組織。盡管當(dāng)前采用手術(shù)切除聯(lián)合術(shù)后放療或放化療的綜合治療方案，但膠質(zhì)瘤的復(fù)發(fā)率仍然居高不下。據(jù)統(tǒng)計(jì)，高級別膠質(zhì)瘤如間變性星形細(xì)胞瘤和膠質(zhì)母細(xì)胞瘤，術(shù)后復(fù)發(fā)率可達(dá)90%以上，低級別膠質(zhì)瘤在適當(dāng)治療后雖有長期控制的可能，但仍存在復(fù)發(fā)風(fēng)險(xiǎn)。復(fù)發(fā)后的膠質(zhì)瘤患者中位生存期低，未經(jīng)治療的僅為3-6個月，這嚴(yán)重威脅著患者的生命健康和生活質(zhì)量。準(zhǔn)確評估膠質(zhì)瘤的復(fù)發(fā)對于制定合理的治療方案至關(guān)重要。目前，臨床上主要依靠磁共振成像（MRI）來檢測腫瘤復(fù)發(fā)情況。然而，接受放療或放化療后的患者，在MRI影像上治療區(qū)域內(nèi)新出現(xiàn)的強(qiáng)化病灶，可能是腫瘤復(fù)發(fā)，也可能是治療相關(guān)性改變，如假性進(jìn)展和放射性壞死。這兩種情況在影像學(xué)表現(xiàn)上有一定重疊，僅依靠常規(guī)MRI成像很難準(zhǔn)確鑒別，而錯誤的診斷可能導(dǎo)致不恰當(dāng)?shù)闹委煕Q策，影響患者預(yù)后。因此，尋找一種更準(zhǔn)確、有效的方法來評估膠質(zhì)瘤的復(fù)發(fā)具有重要的臨床需求。影像組學(xué)作為一種新興的技術(shù)，為解決這一問題提供了新的思路。它通過高通量地提取醫(yī)學(xué)影像中的大量定量特征，將影像數(shù)據(jù)轉(zhuǎn)化為可挖掘的高維數(shù)據(jù)，從而更全面、客觀地反映腫瘤的生物學(xué)特性。在膠質(zhì)瘤領(lǐng)域，影像組學(xué)能夠從MRI圖像中挖掘出肉眼難以分辨的信息，有助于提高對腫瘤復(fù)發(fā)的評估能力。結(jié)合瘤周水腫的影像組學(xué)特征，可能進(jìn)一步提高預(yù)測的準(zhǔn)確性，因?yàn)榱鲋芩[與膠質(zhì)瘤的侵襲性、血管生成等生物學(xué)行為密切相關(guān)。深入研究膠質(zhì)瘤及瘤周水腫的MRI影像組學(xué)在評估腫瘤復(fù)發(fā)中的價(jià)值，有望為臨床醫(yī)生提供更精準(zhǔn)的診斷依據(jù)，指導(dǎo)個體化治療方案的制定，改善膠質(zhì)瘤患者的預(yù)后，具有重要的臨床意義和潛在的應(yīng)用價(jià)值。1.2國內(nèi)外研究現(xiàn)狀在國外，影像組學(xué)技術(shù)在膠質(zhì)瘤復(fù)發(fā)評估領(lǐng)域的研究開展較早且成果豐碩。一些研究專注于利用MRI影像組學(xué)特征對膠質(zhì)瘤復(fù)發(fā)和放射性壞死進(jìn)行鑒別診斷。例如，[國外研究團(tuán)隊(duì)1]通過對多序列MRI圖像（包括T1加權(quán)像、T2加權(quán)像、T1增強(qiáng)加權(quán)像等）進(jìn)行分析，提取了大量影像組學(xué)特征，如形狀特征、紋理特征等。他們利用機(jī)器學(xué)習(xí)算法，建立了預(yù)測模型，在一定程度上能夠區(qū)分腫瘤復(fù)發(fā)與放射性壞死，其研究結(jié)果顯示，該模型在測試集上的準(zhǔn)確率達(dá)到了[X]%，為臨床診斷提供了重要參考。此外，[國外研究團(tuán)隊(duì)2]則聚焦于瘤周水腫的影像組學(xué)特征與膠質(zhì)瘤復(fù)發(fā)的關(guān)系，發(fā)現(xiàn)瘤周水腫區(qū)域的某些影像組學(xué)特征，如異質(zhì)性相關(guān)特征，與腫瘤復(fù)發(fā)具有顯著相關(guān)性，這表明瘤周水腫的影像組學(xué)分析在評估腫瘤復(fù)發(fā)風(fēng)險(xiǎn)方面具有潛在價(jià)值。在國內(nèi)，相關(guān)研究也在積極推進(jìn)。山東大學(xué)齊魯醫(yī)院的研究人員選取了120例經(jīng)術(shù)后病理證實(shí)的膠質(zhì)瘤患者，其中包括55例復(fù)發(fā)和65例無復(fù)發(fā)患者，基于術(shù)前T2WI和T1WI增強(qiáng)圖像對腫瘤和瘤周水腫（PTE）進(jìn)行三維容積感興趣區(qū)勾畫，并按照8∶2的比例分為訓(xùn)練組和驗(yàn)證組，深入分析兩者及聯(lián)合的組學(xué)特征與腫瘤復(fù)發(fā)的關(guān)系。結(jié)果表明，對于PTE，K臨近法（KNN）分類器預(yù)測效能最好，訓(xùn)練組AUC值、敏感度、特異度分別為0.910、0.84、0.88，驗(yàn)證組分別為0.916、0.82、0.93；對于腫瘤，邏輯回歸（LR）分類器預(yù)測效能最好，訓(xùn)練組AUC值、敏感度和特異度分別為0.777、0.69、0.67，驗(yàn)證組分別為0.758、0.82、0.92；當(dāng)腫瘤與PTE聯(lián)合時，邏輯回歸（LR）分類器預(yù)測效能最好，訓(xùn)練組AUC值、敏感度、特異度為0.977、0.88、0.89，驗(yàn)證組則為0.841、0.73、0.83。該研究充分證實(shí)了膠質(zhì)瘤PTE和腫瘤影像組學(xué)特征在預(yù)測膠質(zhì)瘤術(shù)后復(fù)發(fā)方面具有重要價(jià)值，其中PTE的KNN組學(xué)模型效能最佳。新鄉(xiāng)醫(yī)學(xué)院第一附屬醫(yī)院的學(xué)者回顧性分析了120例膠質(zhì)瘤患者的MRI圖像和臨床資料，提取瘤周水腫區(qū)域和瘤內(nèi)增強(qiáng)區(qū)域的影像組學(xué)特征。通過一系列統(tǒng)計(jì)分析方法對特征進(jìn)行降維，并建立了瘤內(nèi)、瘤內(nèi)+瘤周水腫和融合模型這三種預(yù)測模型。結(jié)果顯示，在復(fù)發(fā)組與未復(fù)發(fā)組之間異檸檬酸脫氫酶（IDH）狀態(tài)和影像組學(xué)評分（Rad-score）差異有統(tǒng)計(jì)學(xué)意義。最終納入15個影像組學(xué)特征，訓(xùn)練集中三種模型的曲線下面積（AUC）分別為0.905、0.925和0.923，在測試集中的AUC分別為0.859、0.866和0.897，融合模型達(dá)到最優(yōu)效果。這進(jìn)一步表明基于MRI的影像組學(xué)在預(yù)測膠質(zhì)瘤患者術(shù)后復(fù)發(fā)方面效果良好，并且還能初步評估術(shù)后生存期。盡管國內(nèi)外在該領(lǐng)域已取得一定成果，但目前研究仍存在一些局限性。一方面，不同研究之間使用的MRI掃描設(shè)備、參數(shù)以及影像組學(xué)特征提取和分析方法存在差異，這使得研究結(jié)果難以直接比較和推廣。另一方面，大多數(shù)研究樣本量相對較小，可能影響模型的可靠性和泛化能力。此外，影像組學(xué)特征與膠質(zhì)瘤復(fù)發(fā)的生物學(xué)機(jī)制之間的關(guān)聯(lián)尚未完全明確，需要進(jìn)一步深入研究。未來的研究需要在統(tǒng)一標(biāo)準(zhǔn)、擴(kuò)大樣本量以及探索生物學(xué)機(jī)制等方面展開，以提高膠質(zhì)瘤及瘤周水腫MRI影像組學(xué)在評估腫瘤復(fù)發(fā)中的準(zhǔn)確性和臨床應(yīng)用價(jià)值。1.3研究目標(biāo)與方法本研究旨在通過對膠質(zhì)瘤及瘤周水腫的MRI影像進(jìn)行深入的組學(xué)分析，建立有效的評估模型，準(zhǔn)確判斷腫瘤復(fù)發(fā)情況，為臨床治療決策提供科學(xué)、可靠的依據(jù)。具體而言，期望從MRI圖像中挖掘出與腫瘤復(fù)發(fā)密切相關(guān)的影像組學(xué)特征，明確這些特征與腫瘤復(fù)發(fā)之間的定量關(guān)系，從而提高對膠質(zhì)瘤復(fù)發(fā)評估的準(zhǔn)確性和敏感性。同時，探究瘤周水腫的影像組學(xué)特征在評估腫瘤復(fù)發(fā)中的獨(dú)特價(jià)值，以及其與腫瘤本身影像組學(xué)特征聯(lián)合應(yīng)用時的效果提升，為膠質(zhì)瘤復(fù)發(fā)的早期診斷和精準(zhǔn)治療開辟新的途徑。為實(shí)現(xiàn)上述研究目標(biāo)，本研究將采用回顧性分析的方法，收集某醫(yī)院在特定時間段內(nèi)確診為膠質(zhì)瘤且有完整MRI影像資料及臨床隨訪數(shù)據(jù)的患者病例。對這些患者的MRI圖像進(jìn)行多序列分析，包括T1加權(quán)像、T2加權(quán)像、T1增強(qiáng)加權(quán)像等，全面獲取圖像信息。利用專業(yè)的圖像分析軟件，在MRI圖像上精確勾畫腫瘤及瘤周水腫區(qū)域，作為感興趣區(qū)（ROI），確保后續(xù)特征提取的準(zhǔn)確性和一致性。運(yùn)用影像組學(xué)技術(shù)，從ROI中高通量地提取大量定量特征，包括形狀特征、紋理特征、一階統(tǒng)計(jì)特征等。針對提取出的高維特征數(shù)據(jù)，采用多種降維算法，如主成分分析（PCA）、最小絕對收縮和選擇算子（LASSO）回歸等，篩選出最具代表性和預(yù)測價(jià)值的特征子集，以降低數(shù)據(jù)維度，減少特征之間的冗余信息，提高模型的訓(xùn)練效率和穩(wěn)定性。在建立預(yù)測模型階段，引入多種機(jī)器學(xué)習(xí)算法，如邏輯回歸（LR）、支持向量機(jī)（SVM）、K臨近法（KNN）、隨機(jī)森林（RF）等。將降維后的特征數(shù)據(jù)輸入到這些機(jī)器學(xué)習(xí)模型中進(jìn)行訓(xùn)練，通過交叉驗(yàn)證的方式優(yōu)化模型參數(shù)，使模型達(dá)到最佳性能。使用受試者工作特征（ROC）曲線下面積（AUC）、準(zhǔn)確率、敏感度、特異度等指標(biāo)，對不同模型的預(yù)測效能進(jìn)行嚴(yán)格評估和比較，挑選出預(yù)測性能最優(yōu)的模型。此外，還將結(jié)合患者的臨床資料，如年齡、性別、手術(shù)切除程度、病理分級、治療方案等，與影像組學(xué)特征進(jìn)行整合分析。通過構(gòu)建聯(lián)合預(yù)測模型，綜合考慮影像組學(xué)和臨床因素對腫瘤復(fù)發(fā)的影響，進(jìn)一步提高模型的預(yù)測準(zhǔn)確性和臨床實(shí)用性。利用獨(dú)立的測試數(shù)據(jù)集對最終建立的模型進(jìn)行外部驗(yàn)證，以評估模型的泛化能力，確保模型能夠在不同的患者群體中穩(wěn)定、準(zhǔn)確地預(yù)測膠質(zhì)瘤的復(fù)發(fā)。二、膠質(zhì)瘤及瘤周水腫的相關(guān)理論2.1膠質(zhì)瘤概述膠質(zhì)瘤是一種起源于神經(jīng)膠質(zhì)細(xì)胞的顱內(nèi)腫瘤，是最常見的原發(fā)性顱內(nèi)腫瘤之一。其發(fā)病機(jī)制較為復(fù)雜，涉及遺傳因素與環(huán)境因素的相互作用。遺傳因素中，某些基因突變或染色體異?？赡茉黾踊寄z質(zhì)瘤的風(fēng)險(xiǎn)。例如，異檸檬酸脫氫酶（IDH）基因突變在膠質(zhì)瘤中較為常見，特別是在低級別膠質(zhì)瘤和繼發(fā)性膠質(zhì)母細(xì)胞瘤中。IDH基因突變會導(dǎo)致細(xì)胞代謝異常，促進(jìn)腫瘤的發(fā)生發(fā)展。環(huán)境因素方面，長期暴露于電磁輻射、化學(xué)物質(zhì)等可能是潛在的危險(xiǎn)因素。雖然目前關(guān)于電磁輻射與膠質(zhì)瘤發(fā)病關(guān)系的研究結(jié)果尚未完全明確，但部分研究表明，長期接觸高強(qiáng)度電磁輻射可能會增加膠質(zhì)瘤的發(fā)病風(fēng)險(xiǎn)?；瘜W(xué)物質(zhì)如殺蟲劑、有機(jī)溶劑等也可能與膠質(zhì)瘤的發(fā)生有關(guān)，它們可能通過影響細(xì)胞的正常代謝和基因表達(dá)，誘導(dǎo)細(xì)胞惡變。根據(jù)世界衛(wèi)生組織（WHO）的分類標(biāo)準(zhǔn)，膠質(zhì)瘤可分為Ⅰ-Ⅳ級。其中，Ⅰ級膠質(zhì)瘤如毛細(xì)胞星形膠質(zhì)細(xì)胞瘤，通常呈良性，具有相對規(guī)則的邊界，手術(shù)往往可以實(shí)現(xiàn)完整切除，患者預(yù)后較好，生存期較長。Ⅱ級膠質(zhì)瘤包括星形細(xì)胞瘤、少突膠質(zhì)細(xì)胞瘤等，屬于低度惡性腫瘤。這類腫瘤細(xì)胞的生長速度相對較慢，但仍具有一定的侵襲性，可能會在腦內(nèi)逐漸浸潤生長。手術(shù)切除后，患者一般可獲得10年生存期甚至長期生存，但存在復(fù)發(fā)的可能性。Ⅲ級膠質(zhì)瘤如間變性星形細(xì)胞瘤，屬于中度惡性腫瘤。腫瘤細(xì)胞呈現(xiàn)出明顯的異型性，核分裂象增多，細(xì)胞增殖活性較高。手術(shù)切除后，常需要輔助術(shù)后放療、化療，以降低腫瘤復(fù)發(fā)的風(fēng)險(xiǎn)，患者多能達(dá)到3-5年的平均生存時間。Ⅳ級膠質(zhì)瘤以膠質(zhì)母細(xì)胞瘤為代表，是高度惡性的腫瘤。其腫瘤細(xì)胞具有高度的增殖能力和侵襲性，能夠迅速侵犯周圍腦組織，形成廣泛的浸潤。腫瘤內(nèi)部常伴有出血、壞死等改變，病情進(jìn)展迅速?；颊叨嗖捎檬中g(shù)以及放療、化療、免疫治療、中醫(yī)藥治療等一系列綜合治療手段，但預(yù)后仍然較差，一般中位生存期僅為15個月左右。膠質(zhì)瘤的臨床癥狀多樣，主要取決于腫瘤的部位、大小及生長速度等因素。常見癥狀包括頭痛、嘔吐、癲癇發(fā)作、精神癥狀等。頭痛是膠質(zhì)瘤患者最常見的癥狀之一，多為持續(xù)性鈍痛，隨著腫瘤的生長，頭痛可能會逐漸加重。嘔吐通常與顱內(nèi)壓升高有關(guān)，呈噴射性，與進(jìn)食無關(guān)。癲癇發(fā)作在膠質(zhì)瘤患者中也較為常見，尤其是在低級別膠質(zhì)瘤患者中。腫瘤位于大腦的不同功能區(qū)域，還可能導(dǎo)致相應(yīng)的神經(jīng)功能障礙，如位于運(yùn)動區(qū)可引起肢體無力、偏癱；位于語言區(qū)可導(dǎo)致語言表達(dá)或理解障礙；位于視覺區(qū)則可能出現(xiàn)視力下降、視野缺損等癥狀。膠質(zhì)瘤具有高復(fù)發(fā)率的特點(diǎn)，這對患者的生命健康和生活質(zhì)量產(chǎn)生了極大的危害。復(fù)發(fā)后的膠質(zhì)瘤往往比初發(fā)時更加難以治療，腫瘤細(xì)胞可能對之前的治療方法產(chǎn)生耐藥性。而且，復(fù)發(fā)腫瘤的生長速度通常更快，侵襲性更強(qiáng)，會進(jìn)一步侵犯周圍腦組織，導(dǎo)致神經(jīng)功能障礙加重?；颊呖赡軙霈F(xiàn)更嚴(yán)重的頭痛、嘔吐、癲癇發(fā)作等癥狀，生活自理能力下降，甚至可能導(dǎo)致昏迷、死亡。對于膠質(zhì)瘤患者，準(zhǔn)確評估腫瘤復(fù)發(fā)情況，及時采取有效的治療措施至關(guān)重要，這也是本研究聚焦于膠質(zhì)瘤及瘤周水腫MRI影像組學(xué)在評估腫瘤復(fù)發(fā)中價(jià)值的重要原因。2.2瘤周水腫的形成機(jī)制與影響瘤周水腫的形成機(jī)制較為復(fù)雜，主要包括血管源性機(jī)制、細(xì)胞毒性機(jī)制以及其他相關(guān)機(jī)制。血管源性機(jī)制在瘤周水腫的形成中起關(guān)鍵作用。膠質(zhì)瘤細(xì)胞能夠分泌多種血管活性物質(zhì)，如血管內(nèi)皮生長因子（VEGF）。VEGF是一種高度特異性的促血管內(nèi)皮細(xì)胞生長因子，具有強(qiáng)大的促血管生成作用。膠質(zhì)瘤細(xì)胞分泌的VEGF可與血管內(nèi)皮細(xì)胞上的相應(yīng)受體結(jié)合，激活一系列信號通路，促進(jìn)內(nèi)皮細(xì)胞的增殖、遷移和存活，從而導(dǎo)致腫瘤新生血管生成。這些新生血管的結(jié)構(gòu)和功能存在缺陷，其血管壁的完整性受損，通透性顯著增加。正常情況下，血腦屏障能夠有效限制血漿成分和水分子的自由通過，維持腦組織內(nèi)環(huán)境的穩(wěn)定。但在腫瘤新生血管處，由于血管內(nèi)皮細(xì)胞之間的緊密連接被破壞，血腦屏障功能受損，血漿中的水分、蛋白質(zhì)等物質(zhì)大量滲出到血管周圍的細(xì)胞間隙，進(jìn)而形成瘤周水腫。例如，在一些高級別膠質(zhì)瘤患者中，腫瘤組織中VEGF的高表達(dá)與瘤周水腫的嚴(yán)重程度呈正相關(guān)，這進(jìn)一步證實(shí)了VEGF在血管源性瘤周水腫形成中的重要作用。細(xì)胞毒性機(jī)制也參與了瘤周水腫的發(fā)生。當(dāng)膠質(zhì)瘤細(xì)胞侵襲周圍腦組織時，會導(dǎo)致局部腦組織缺血、缺氧。缺血、缺氧狀態(tài)下，腦組織的能量代謝發(fā)生障礙，細(xì)胞內(nèi)的三磷酸腺苷（ATP）生成減少。ATP是維持細(xì)胞膜上離子泵正常功能的重要能量來源，其含量的減少使得細(xì)胞膜上的鈉-鉀泵、鈣-鎂泵等活性降低。這些離子泵功能異常會導(dǎo)致細(xì)胞內(nèi)外離子平衡失調(diào)，細(xì)胞內(nèi)鈉離子和鈣離子大量積聚。鈉離子的積聚使細(xì)胞內(nèi)滲透壓升高，大量水分子被動進(jìn)入細(xì)胞內(nèi)，引起細(xì)胞腫脹；鈣離子的超載則會激活一系列細(xì)胞內(nèi)的酶，如磷脂酶、蛋白酶等，這些酶的激活會進(jìn)一步損傷細(xì)胞膜和細(xì)胞器，加重細(xì)胞水腫。此外，缺血、缺氧還會導(dǎo)致細(xì)胞膜的通透性增加，細(xì)胞內(nèi)的一些物質(zhì)如谷氨酸等興奮性神經(jīng)遞質(zhì)釋放到細(xì)胞外間隙。谷氨酸的大量堆積會過度激活突觸后膜上的谷氨酸受體，引起神經(jīng)元的過度興奮，進(jìn)一步加重細(xì)胞內(nèi)的鈣超載和能量代謝紊亂，促進(jìn)細(xì)胞毒性水腫的發(fā)展。其他機(jī)制如腫瘤機(jī)械壓迫、炎癥反應(yīng)等也對瘤周水腫的形成有一定影響。隨著膠質(zhì)瘤的生長，腫瘤體積逐漸增大，會對周圍腦組織產(chǎn)生機(jī)械壓迫。這種壓迫可導(dǎo)致局部腦組織的靜脈回流受阻，靜脈壓升高。靜脈壓的升高使得毛細(xì)血管內(nèi)的流體靜壓增大，促使水分從血管內(nèi)滲出到組織間隙，從而加重瘤周水腫。同時，腫瘤的生長和侵襲會引發(fā)機(jī)體的炎癥反應(yīng)。炎癥細(xì)胞如巨噬細(xì)胞、淋巴細(xì)胞等會聚集在腫瘤周圍，釋放多種炎性介質(zhì)，如白細(xì)胞介素-6（IL-6）、腫瘤壞死因子-α（TNF-α）等。這些炎性介質(zhì)可以直接作用于血管內(nèi)皮細(xì)胞，增加血管通透性，或者通過激活其他細(xì)胞因子和信號通路，間接促進(jìn)瘤周水腫的形成。瘤周水腫對膠質(zhì)瘤的生長、治療和預(yù)后產(chǎn)生多方面的影響。從生長角度看，瘤周水腫為膠質(zhì)瘤細(xì)胞的侵襲提供了有利的微環(huán)境。水腫區(qū)域的細(xì)胞外基質(zhì)成分發(fā)生改變，變得更加疏松，有利于膠質(zhì)瘤細(xì)胞的遷移和擴(kuò)散。同時，水腫液中含有豐富的營養(yǎng)物質(zhì)和生長因子，能夠?yàn)槟[瘤細(xì)胞的生長提供充足的養(yǎng)分和刺激信號，促進(jìn)腫瘤細(xì)胞的增殖。在治療方面，瘤周水腫會增加手術(shù)難度。水腫使得腫瘤與周圍正常腦組織的界限變得模糊，增加了手術(shù)完整切除腫瘤的難度，容易導(dǎo)致腫瘤殘留。而且，瘤周水腫會加重顱內(nèi)壓升高，患者可能出現(xiàn)頭痛、嘔吐、意識障礙等癥狀。對于這些患者，在手術(shù)前需要采取積極的脫水降顱壓措施，如使用甘露醇、糖皮質(zhì)激素等藥物，以減輕水腫，降低顱內(nèi)壓，為手術(shù)創(chuàng)造條件。在放療和化療過程中，瘤周水腫也會影響治療效果。水腫可能導(dǎo)致腫瘤組織對放療和化療藥物的敏感性降低，影響治療的療效。從預(yù)后角度，瘤周水腫的嚴(yán)重程度與膠質(zhì)瘤患者的預(yù)后密切相關(guān)。研究表明，瘤周水腫范圍越大、程度越重，患者的生存期往往越短，預(yù)后越差。這是因?yàn)閲?yán)重的瘤周水腫不僅反映了腫瘤的侵襲性較強(qiáng)，還提示患者可能存在更嚴(yán)重的顱內(nèi)壓升高和神經(jīng)功能障礙，這些因素都會對患者的生存質(zhì)量和生存時間產(chǎn)生負(fù)面影響。2.3MRI成像原理及在膠質(zhì)瘤診斷中的應(yīng)用MRI成像基于原子核的自旋特性以及磁共振現(xiàn)象。人體中含有大量的氫原子核，氫原子核帶有正電荷且具有自旋屬性，就像一個個小磁體。在沒有外加磁場時，這些氫原子核的自旋軸排列是隨機(jī)無序的，它們的磁矩相互抵消，宏觀上不表現(xiàn)出磁性。當(dāng)人體被置于強(qiáng)大的靜磁場中時，氫原子核的自旋軸會發(fā)生重新排列，從無序狀態(tài)逐漸向靜磁場方向有序排列，這個過程稱為磁化。此時，氫原子核會以一定的頻率繞靜磁場方向進(jìn)行旋進(jìn)，這種旋進(jìn)被稱為拉莫爾旋進(jìn)，其旋進(jìn)頻率與靜磁場強(qiáng)度成正比。為了使氫原子核產(chǎn)生共振信號，需要向人體發(fā)射特定頻率的射頻脈沖。這個特定頻率與氫原子核的拉莫爾旋進(jìn)頻率一致，當(dāng)射頻脈沖的能量被氫原子核吸收時，氫原子核會發(fā)生共振，從低能級狀態(tài)躍遷到高能級狀態(tài)，其自旋軸也會偏離靜磁場方向。在射頻脈沖停止后，處于高能級狀態(tài)的氫原子核不穩(wěn)定，會逐漸釋放出吸收的能量，回復(fù)到原來的低能級狀態(tài)，這個過程稱為弛豫。弛豫過程可分為縱向弛豫（T1弛豫）和橫向弛豫（T2弛豫）?？v向弛豫是指氫原子核的自旋軸逐漸恢復(fù)到靜磁場方向的過程，在此過程中，氫原子核將吸收的能量釋放給周圍的晶格，其釋放能量的時間常數(shù)稱為T1值。不同組織的T1值不同，例如脂肪組織的T1值較短，在MRI圖像上表現(xiàn)為高信號；而腦脊液的T1值較長，表現(xiàn)為低信號。橫向弛豫是指氫原子核在橫向平面上的磁化矢量逐漸衰減的過程，其衰減的時間常數(shù)稱為T2值。T2弛豫主要是由于氫原子核之間的相互作用導(dǎo)致相位不一致，從而使橫向磁化矢量逐漸減小。不同組織的T2值也存在差異，如腦組織中的灰質(zhì)T2值比白質(zhì)稍長，在T2加權(quán)圖像上，灰質(zhì)信號略高于白質(zhì)。通過檢測氫原子核在弛豫過程中釋放的信號，并利用計(jì)算機(jī)進(jìn)行復(fù)雜的圖像重建算法，就可以獲得人體內(nèi)部組織的詳細(xì)圖像。在膠質(zhì)瘤的診斷中，MRI具有多方面的重要應(yīng)用。在形態(tài)顯示方面，MRI能夠清晰地呈現(xiàn)膠質(zhì)瘤的位置、大小和形狀。例如，通過T1加權(quán)像，可以直觀地觀察到腫瘤與周圍正常腦組織的對比，腫瘤通常表現(xiàn)為低信號或等信號，若腫瘤內(nèi)存在出血、鈣化等情況，則信號會更加復(fù)雜。T2加權(quán)像上，膠質(zhì)瘤多表現(xiàn)為高信號，能夠清晰顯示腫瘤的范圍，尤其是對于邊界不清的腫瘤，T2加權(quán)像可以更好地勾勒出腫瘤的浸潤邊界。在結(jié)構(gòu)顯示上，MRI可以檢測到膠質(zhì)瘤內(nèi)部的多種結(jié)構(gòu)變化。對于腫瘤內(nèi)的囊變區(qū)域，在T1加權(quán)像上呈低信號，T2加權(quán)像上呈高信號，信號強(qiáng)度與腦脊液相似；壞死區(qū)域在T1加權(quán)像上為低信號，T2加權(quán)像上為高信號，但信號往往不均勻。出血在不同時期的MRI信號表現(xiàn)各異，急性期出血在T1加權(quán)像上呈等信號或稍低信號，T2加權(quán)像上呈低信號；亞急性期和慢性期出血，T1加權(quán)像和T2加權(quán)像上均逐漸變?yōu)楦咝盘?。此外，MRI還可以顯示腫瘤的強(qiáng)化情況，通過靜脈注射對比劑（如釓劑）后進(jìn)行T1增強(qiáng)掃描，腫瘤的強(qiáng)化程度和方式能夠?yàn)樵\斷提供重要信息。高級別膠質(zhì)瘤通常血供豐富，強(qiáng)化明顯，多呈不均勻強(qiáng)化或環(huán)形強(qiáng)化；低級別膠質(zhì)瘤強(qiáng)化相對較弱，多為輕度均勻強(qiáng)化或無強(qiáng)化。在功能顯示方面，磁共振功能成像技術(shù)為膠質(zhì)瘤的診斷提供了更多的信息。擴(kuò)散加權(quán)成像（DWI）通過檢測水分子的擴(kuò)散運(yùn)動來反映組織的微觀結(jié)構(gòu)變化。在膠質(zhì)瘤中，水分子的擴(kuò)散受到腫瘤細(xì)胞密度、細(xì)胞膜完整性等因素的影響。高級別膠質(zhì)瘤細(xì)胞密度高，水分子擴(kuò)散受限，在DWI上表現(xiàn)為高信號，表觀擴(kuò)散系數(shù)（ADC）值降低；低級別膠質(zhì)瘤細(xì)胞密度相對較低，水分子擴(kuò)散受限程度較輕，ADC值相對較高。灌注加權(quán)成像（PWI）可以評估腫瘤的血流灌注情況，反映腫瘤的血管生成和代謝活性。高級別膠質(zhì)瘤由于新生血管豐富，血流灌注增加，在PWI圖像上表現(xiàn)為高灌注；低級別膠質(zhì)瘤血流灌注相對較低。磁共振波譜分析（MRS）則能夠檢測腦組織內(nèi)的代謝物變化，如N-乙酰天門冬氨酸（NAA）、膽堿（Cho）、肌酸（Cr）等。在膠質(zhì)瘤中，NAA水平通常降低，反映神經(jīng)元受損；Cho水平升高，提示細(xì)胞膜合成增加和細(xì)胞增殖活躍；Cr水平相對穩(wěn)定，可作為參考指標(biāo)。通過分析這些代謝物的比值，如Cho/NAA、Cho/Cr等，可以輔助判斷膠質(zhì)瘤的級別和惡性程度。三、MRI影像組學(xué)技術(shù)解析3.1影像組學(xué)的概念與發(fā)展影像組學(xué)這一概念最早于2012年由荷蘭學(xué)者Lambin等率先提出。當(dāng)時，隨著醫(yī)學(xué)成像技術(shù)的快速發(fā)展，如CT、MRI及PET等技術(shù)在臨床實(shí)踐中的廣泛應(yīng)用，醫(yī)學(xué)影像數(shù)據(jù)日益豐富，但傳統(tǒng)的影像診斷主要依賴于醫(yī)生對影像結(jié)果的直接觀察和解讀，存在主觀性強(qiáng)、觀察者間差異大等問題。在此背景下，影像組學(xué)應(yīng)運(yùn)而生，其基本概念是高通量地從放射影像圖像中提取大量的影像學(xué)特征，采用自動或半自動分析方法將影像學(xué)數(shù)據(jù)轉(zhuǎn)化為具有高分辨率的、可挖掘的空間數(shù)據(jù)。同年，Kumar等將影像組學(xué)的概念進(jìn)一步擴(kuò)展，提出影像組學(xué)是指從CT、正電子發(fā)射計(jì)算機(jī)斷層掃描（PET）或MRI等醫(yī)學(xué)影像圖像中高通量地提取并分析大量高級的定量影像學(xué)特征。這一拓展使得影像組學(xué)的范疇更加明確，強(qiáng)調(diào)了從多種醫(yī)學(xué)影像中獲取高級定量特征的重要性。在隨后的發(fā)展中，影像組學(xué)不斷完善和成熟。2014年，Aerts等通過融合影像、基因和病理學(xué)特征建立影像組學(xué)標(biāo)簽，對肺癌、頭頸癌預(yù)后進(jìn)行預(yù)測，這標(biāo)志著影像組學(xué)從基礎(chǔ)研究走向臨床應(yīng)用。該研究成果展示了影像組學(xué)在臨床實(shí)踐中的潛力，為后續(xù)研究提供了重要的參考和借鑒。2016年，Gillie等人提出定量特征除了影像特征，也包括臨床和基因信息，進(jìn)一步豐富了影像組學(xué)的內(nèi)涵。這一觀點(diǎn)的提出，促使研究者更加注重多維度信息的整合，以提高影像組學(xué)在疾病診斷、預(yù)后評估等方面的準(zhǔn)確性和可靠性。2017年，Lambin等人提出了影像組學(xué)研究的質(zhì)控標(biāo)準(zhǔn)，為衡量影像組學(xué)研究的可靠性提供了主要評價(jià)方式。這些質(zhì)控標(biāo)準(zhǔn)涵蓋了圖像采集、特征提取、數(shù)據(jù)分析等多個環(huán)節(jié)，有助于確保影像組學(xué)研究的質(zhì)量和可重復(fù)性。2020年，Alex等人提出了IBSI指南，對影像組學(xué)研究進(jìn)行了進(jìn)一步規(guī)范化。該指南統(tǒng)一了影像組學(xué)特征的定義和計(jì)算方法，減少了不同研究之間的差異，使得研究結(jié)果更具可比性和通用性。2021年，Gillie等人提出了對影像組學(xué)生物學(xué)意義的進(jìn)一步探索方法，推動了影像組學(xué)向更深層次發(fā)展，不僅關(guān)注影像特征與臨床結(jié)果的關(guān)聯(lián)，還深入探究其背后的生物學(xué)機(jī)制。影像組學(xué)的發(fā)展得益于多方面技術(shù)與方法的進(jìn)步。在醫(yī)療影像方面，高質(zhì)量多模態(tài)的醫(yī)療影像得以保存，為影像組學(xué)研究提供了豐富的數(shù)據(jù)來源。多模態(tài)影像能夠從不同角度提供病變信息，如MRI的T1加權(quán)像、T2加權(quán)像、T1增強(qiáng)加權(quán)像等，各自反映了組織的不同特性，綜合分析這些影像能夠更全面地了解病變情況。數(shù)據(jù)挖掘技術(shù)的發(fā)展使得圖像批量轉(zhuǎn)化為數(shù)據(jù)的質(zhì)量（可靠性、可重復(fù)性）得到保障。通過先進(jìn)的數(shù)據(jù)挖掘算法，可以從海量的影像數(shù)據(jù)中準(zhǔn)確、穩(wěn)定地提取特征，為后續(xù)分析奠定基礎(chǔ)。機(jī)器學(xué)習(xí)（深度學(xué)習(xí)）技術(shù)的發(fā)展提高了模型建立的預(yù)測能力。機(jī)器學(xué)習(xí)算法能夠?qū)μ崛〉挠跋窠M學(xué)特征進(jìn)行有效分析和建模，挖掘特征與疾病之間的潛在關(guān)系，從而實(shí)現(xiàn)疾病的診斷、預(yù)后預(yù)測等功能。例如，支持向量機(jī)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法在影像組學(xué)研究中被廣泛應(yīng)用，取得了較好的效果。影像組學(xué)的發(fā)展也滿足了臨床的迫切需要。腫瘤具有高異質(zhì)性，包括時空異質(zhì)性（例如不同部位、不同器官、不同疾病進(jìn)程）、轉(zhuǎn)移異質(zhì)性（例如骨轉(zhuǎn)移、肺轉(zhuǎn)移、肝轉(zhuǎn)移、腦轉(zhuǎn)移）以及內(nèi)在因素（例如基因表達(dá)、腫瘤微環(huán)境）等方面的差異。傳統(tǒng)的影像學(xué)方法難以全面、準(zhǔn)確地反映腫瘤的異質(zhì)性，而影像組學(xué)可以從宏觀（個體）跨越到微觀（分子），通過提取高通量的定量特征，較好地解決區(qū)分腫瘤異質(zhì)性的問題，并且是一種無創(chuàng)的檢測方法，具有很大的發(fā)展?jié)摿?。影像組學(xué)在精準(zhǔn)診斷（輔助診斷）、療效評估（近期療效，毒副反應(yīng)評估）、預(yù)后預(yù)測（遠(yuǎn)期療效）等方面發(fā)揮著重要作用。在精準(zhǔn)診斷方面，能夠幫助醫(yī)生更準(zhǔn)確地判斷疾病的類型、分期等，提高診斷的準(zhǔn)確性；在療效評估方面，可以及時監(jiān)測治療效果，調(diào)整治療方案；在預(yù)后預(yù)測方面，為患者的遠(yuǎn)期生存情況提供參考，有助于制定個性化的治療和隨訪計(jì)劃。三、MRI影像組學(xué)技術(shù)解析3.2MRI影像組學(xué)的操作流程3.2.1影像學(xué)資料的收集在收集膠質(zhì)瘤患者的MRI影像資料時，對設(shè)備和掃描參數(shù)有著嚴(yán)格的要求。MRI設(shè)備的磁場強(qiáng)度是影響圖像質(zhì)量的關(guān)鍵因素之一，目前臨床常用的高場強(qiáng)MRI設(shè)備，如3.0T磁共振掃描儀，相較于1.5T設(shè)備，能夠提供更高的信噪比和空間分辨率。高信噪比使得圖像中的細(xì)節(jié)更加清晰，能夠更準(zhǔn)確地顯示腫瘤的邊界和內(nèi)部結(jié)構(gòu)；高空間分辨率則有助于分辨微小的病變，對于早期膠質(zhì)瘤的檢測具有重要意義。在掃描參數(shù)方面，重復(fù)時間（TR）、回波時間（TE）、層厚、層間距等參數(shù)的選擇會直接影響圖像的對比度和分辨率。例如，T1加權(quán)像通常采用較短的TR和TE值，以突出組織的T1弛豫差異，使脂肪組織呈高信號，而腦組織呈中等信號，有助于觀察腫瘤與周圍腦組織的對比。T2加權(quán)像則采用較長的TR和TE值，強(qiáng)調(diào)組織的T2弛豫差異，腦脊液呈高信號，腫瘤組織多表現(xiàn)為高信號，能夠更好地顯示腫瘤的范圍。層厚一般選擇在3-5mm之間，層間距控制在0-1mm，這樣可以在保證圖像連續(xù)的同時，減少部分容積效應(yīng)，提高圖像的準(zhǔn)確性。病例的選擇也至關(guān)重要。納入標(biāo)準(zhǔn)通常要求患者經(jīng)手術(shù)病理證實(shí)為膠質(zhì)瘤，這是確保診斷準(zhǔn)確性的金標(biāo)準(zhǔn)。病理診斷能夠明確膠質(zhì)瘤的具體類型和分級，為后續(xù)的影像組學(xué)分析提供可靠的臨床依據(jù)?；颊咝枰型暾腗RI影像資料，包括T1加權(quán)像、T2加權(quán)像、T1增強(qiáng)加權(quán)像等多個序列。這些序列從不同角度反映了腫瘤的特征，如T1增強(qiáng)加權(quán)像可以顯示腫瘤的血供情況和強(qiáng)化模式，對于判斷腫瘤的惡性程度和鑒別診斷具有重要價(jià)值。患者的臨床隨訪數(shù)據(jù)也需要完整，隨訪時間應(yīng)足夠長，以便準(zhǔn)確判斷腫瘤是否復(fù)發(fā)。隨訪數(shù)據(jù)包括患者的癥狀變化、影像學(xué)復(fù)查結(jié)果等，通過對這些數(shù)據(jù)的分析，可以驗(yàn)證影像組學(xué)模型對腫瘤復(fù)發(fā)的預(yù)測準(zhǔn)確性。排除標(biāo)準(zhǔn)方面，對于圖像質(zhì)量不佳，如存在嚴(yán)重偽影、運(yùn)動模糊等情況的病例，應(yīng)予以排除。這些圖像質(zhì)量問題會干擾影像組學(xué)特征的提取和分析，導(dǎo)致結(jié)果不準(zhǔn)確。對于合并其他腦部疾病，如腦梗死、腦出血、腦膿腫等的患者，也應(yīng)排除在外。因?yàn)檫@些疾病可能會影響MRI圖像的表現(xiàn)，使腫瘤的影像特征變得復(fù)雜，難以準(zhǔn)確分析。3.2.2ROI的分割方法在膠質(zhì)瘤及瘤周水腫的MRI影像組學(xué)分析中，感興趣區(qū)（ROI）的分割是關(guān)鍵步驟，主要包括手動分割、半自動分割和自動分割三種方法。手動分割是由經(jīng)驗(yàn)豐富的影像科醫(yī)師或研究人員在MRI圖像上直接手動勾勒出腫瘤及瘤周水腫區(qū)域。這種方法的優(yōu)點(diǎn)在于能夠充分利用醫(yī)師的專業(yè)知識和臨床經(jīng)驗(yàn)，對復(fù)雜的解剖結(jié)構(gòu)和病變邊界進(jìn)行準(zhǔn)確判斷。在膠質(zhì)瘤邊界不規(guī)則且與周圍正常腦組織分界模糊的情況下，醫(yī)師可以根據(jù)自身經(jīng)驗(yàn)，結(jié)合多序列MRI圖像的信息，如T1加權(quán)像上腫瘤與正常腦組織的信號對比、T2加權(quán)像上腫瘤的范圍以及T1增強(qiáng)加權(quán)像上腫瘤的強(qiáng)化區(qū)域等，更加準(zhǔn)確地確定ROI的邊界。手動分割的可解釋性強(qiáng)，分割結(jié)果能夠直接反映醫(yī)師的判斷依據(jù)。手動分割存在明顯的缺點(diǎn)。它是一個非常耗時費(fèi)力的過程，對于每一幅MRI圖像都需要仔細(xì)觀察和精確勾勒，尤其是對于多層面的圖像，工作量巨大。手動分割的結(jié)果容易受到觀察者主觀因素的影響，不同的醫(yī)師由于經(jīng)驗(yàn)、知識水平和判斷標(biāo)準(zhǔn)的差異，可能會導(dǎo)致分割結(jié)果存在較大的一致性較差，這會對后續(xù)的影像組學(xué)分析產(chǎn)生干擾。半自動分割方法結(jié)合了手動操作和計(jì)算機(jī)算法，旨在提高分割效率和準(zhǔn)確性。在半自動分割中，用戶先在圖像上大致勾勒出ROI的初始輪廓，然后計(jì)算機(jī)算法根據(jù)預(yù)設(shè)的規(guī)則和圖像的特征，如灰度值、梯度等，自動對輪廓進(jìn)行優(yōu)化和細(xì)化。這種方法在一定程度上減少了手動分割的工作量，提高了分割效率。半自動分割利用了計(jì)算機(jī)算法對圖像特征的快速分析能力，能夠更加準(zhǔn)確地捕捉病變的邊界，相比手動分割，其一致性和可重復(fù)性有所提高。半自動分割仍然依賴于用戶的初始手動操作，因此在一定程度上還是會受到主觀因素的影響。而且，半自動分割算法的性能受到圖像質(zhì)量、病變特征等多種因素的制約。當(dāng)圖像存在噪聲、偽影或病變特征不典型時，算法可能無法準(zhǔn)確地優(yōu)化輪廓，導(dǎo)致分割結(jié)果不理想。自動分割則完全由計(jì)算機(jī)算法完成，無需人工干預(yù)。近年來，隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展，基于深度學(xué)習(xí)的自動分割算法在醫(yī)學(xué)圖像分割領(lǐng)域取得了顯著進(jìn)展。例如，U-Net及其變體等卷積神經(jīng)網(wǎng)絡(luò)模型，通過對大量標(biāo)注圖像的學(xué)習(xí)，能夠自動提取圖像中的特征，并準(zhǔn)確地分割出腫瘤及瘤周水腫區(qū)域。自動分割具有高效、快速的特點(diǎn)，能夠在短時間內(nèi)處理大量的MRI圖像，大大提高了影像組學(xué)分析的效率。由于其基于固定的算法和模型，自動分割結(jié)果的一致性較好，減少了人為因素的干擾。自動分割算法的準(zhǔn)確性在很大程度上依賴于訓(xùn)練數(shù)據(jù)的質(zhì)量和數(shù)量。如果訓(xùn)練數(shù)據(jù)不足或標(biāo)注不準(zhǔn)確，算法可能會出現(xiàn)過擬合或欠擬合的情況，導(dǎo)致分割結(jié)果不準(zhǔn)確。對于一些罕見的膠質(zhì)瘤類型或復(fù)雜的病變情況，由于訓(xùn)練數(shù)據(jù)中可能缺乏相應(yīng)的樣本，自動分割算法的性能可能會受到影響。而且，自動分割算法通常是一個黑箱模型，其分割結(jié)果的可解釋性較差，這在一定程度上限制了其在臨床中的應(yīng)用。3.2.3影像特征提取與分類影像特征的提取與分類是MRI影像組學(xué)的核心環(huán)節(jié)，主要包括基于形狀、一階統(tǒng)計(jì)量、二階紋理和高階特征等方面。基于形狀的特征能夠直觀地反映腫瘤的外部形態(tài)。體積是指腫瘤在三維空間中所占的大小，它是一個重要的形狀特征，能夠反映腫瘤的生長程度。一般來說，體積較大的腫瘤可能具有更高的惡性程度，其生長速度較快，對周圍組織的侵犯范圍也更廣。表面積則描述了腫瘤表面的大小，它與腫瘤的浸潤性有關(guān)。具有較高表面積的腫瘤，其表面與周圍組織的接觸面積大，更容易向周圍組織浸潤生長。致密性是衡量腫瘤緊湊程度的指標(biāo)，通過計(jì)算腫瘤體積與表面積的關(guān)系得到。致密性較低的腫瘤，其形狀可能更不規(guī)則，內(nèi)部結(jié)構(gòu)相對疏松，這也可能提示腫瘤具有較強(qiáng)的侵襲性。例如，在一些高級別膠質(zhì)瘤中，腫瘤往往呈現(xiàn)出不規(guī)則的形狀，體積較大，表面積也較大，致密性較低，這些形狀特征與腫瘤的高度惡性和侵襲性密切相關(guān)。一階統(tǒng)計(jì)量基于圖像的灰度直方圖，用于描述圖像中體素灰度值的分布情況。平均值反映了圖像中所有體素灰度值的平均水平。在膠質(zhì)瘤的MRI圖像中，腫瘤區(qū)域的平均灰度值可能與周圍正常腦組織不同，這可以作為區(qū)分腫瘤與正常組織的一個特征。熵表示圖像中灰度分布的不確定性或隨機(jī)性。腫瘤組織由于其細(xì)胞成分、組織結(jié)構(gòu)的復(fù)雜性，其灰度分布往往比正常腦組織更加復(fù)雜，熵值較高。偏度用于衡量灰度分布的不對稱程度，峰度則描述灰度分布的陡峭程度。這些一階統(tǒng)計(jì)量能夠從不同角度反映腫瘤組織的特征，通過對它們的分析，可以初步了解腫瘤的性質(zhì)。二階紋理特征主要通過灰度共生矩陣（GLCM）、灰度游程長度矩陣（GLRLM）等方法來提取。GLCM是一種常用的紋理分析方法，它通過計(jì)算在給定空間距離和方向上，具有特定灰度值的像素對出現(xiàn)的概率，來描述圖像的紋理信息。對比度反映了圖像中相鄰像素灰度值的差異程度，對于紋理清晰、對比度高的腫瘤，其GLCM中的對比度值較大。相關(guān)性衡量了圖像中像素灰度值的線性相關(guān)性，它可以反映腫瘤組織中像素之間的空間關(guān)系。能量表示GLCM矩陣中元素的平方和，它反映了圖像紋理的均勻性，能量值較高表示紋理較為均勻。同質(zhì)性是與對比度相反的特征，用于衡量圖像中像素灰度值的相似程度，同質(zhì)性越高，圖像紋理越平滑。GLRLM則是基于圖像中具有相同灰度值的像素連續(xù)出現(xiàn)的長度來分析紋理特征?；叶扔纬涕L度是指在特定方向上，具有相同灰度值的連續(xù)像素的長度。通過分析灰度游程長度的分布，可以得到諸如短游程優(yōu)勢、長游程優(yōu)勢等特征。短游程優(yōu)勢反映了圖像中短游程的出現(xiàn)頻率較高，可能表示圖像中的紋理較為細(xì)膩；長游程優(yōu)勢則表示長游程的出現(xiàn)頻率較高，圖像紋理可能較為粗糙。這些二階紋理特征能夠深入地描述腫瘤組織的微觀結(jié)構(gòu)和空間分布特征，為腫瘤的診斷和鑒別診斷提供更豐富的信息。高階特征通常是在圖像上施加濾波器，以推斷重復(fù)或非重復(fù)模式。高斯拉普拉斯濾波器是一種常用的濾波器，它結(jié)合了高斯平滑和拉普拉斯算子的特點(diǎn)，能夠突出圖像中的邊緣和細(xì)節(jié)信息。在膠質(zhì)瘤的MRI圖像中，使用高斯拉普拉斯濾波器可以增強(qiáng)腫瘤邊界和內(nèi)部結(jié)構(gòu)的顯示，有助于分析腫瘤的形態(tài)和結(jié)構(gòu)特征。小波變換是一種多分辨率分析方法，它能夠?qū)D像分解為不同頻率的子帶，每個子帶包含了圖像在不同尺度下的信息。通過對小波變換后的子帶進(jìn)行分析，可以提取出與腫瘤相關(guān)的特征，如小波能量、小波系數(shù)等。分維特征用于描述圖像的復(fù)雜程度和自相似性，腫瘤組織由于其復(fù)雜的生長方式和不規(guī)則的形態(tài)，其分維值可能與正常組織不同。這些高階特征從不同的角度對腫瘤的特征進(jìn)行了深入挖掘，能夠提供更全面的腫瘤信息，有助于提高影像組學(xué)分析的準(zhǔn)確性和可靠性。3.2.4特征分析與模型構(gòu)建在膠質(zhì)瘤及瘤周水腫的MRI影像組學(xué)研究中，特征分析與模型構(gòu)建是實(shí)現(xiàn)準(zhǔn)確評估腫瘤復(fù)發(fā)的關(guān)鍵步驟。特征選擇是從大量提取的影像組學(xué)特征中篩選出最具代表性和預(yù)測價(jià)值的特征子集，以降低數(shù)據(jù)維度，減少特征之間的冗余信息，提高模型的訓(xùn)練效率和預(yù)測性能。常見的特征選擇方法包括過濾法、包裝法和嵌入法。過濾法是基于特征本身的統(tǒng)計(jì)屬性來選擇特征，其計(jì)算簡單，速度快。常用的過濾法有卡方檢驗(yàn)、相關(guān)系數(shù)、互信息等?？ǚ綑z驗(yàn)用于檢驗(yàn)特征與目標(biāo)變量（如腫瘤是否復(fù)發(fā)）之間的獨(dú)立性，通過計(jì)算卡方統(tǒng)計(jì)量來評估特征的重要性。如果一個特征與腫瘤復(fù)發(fā)之間存在顯著的關(guān)聯(lián)，那么它的卡方值會較大，說明該特征對預(yù)測腫瘤復(fù)發(fā)具有重要意義。相關(guān)系數(shù)則衡量特征與目標(biāo)變量之間的線性相關(guān)程度，包括皮爾遜相關(guān)系數(shù)、斯皮爾曼相關(guān)系數(shù)等。正相關(guān)表示特征值的增加與目標(biāo)變量的增加相關(guān)，負(fù)相關(guān)則表示特征值的增加與目標(biāo)變量的減少相關(guān)?；バ畔⒂糜诙攘績蓚€變量之間的相互依賴程度，它能夠捕捉特征與目標(biāo)變量之間的非線性關(guān)系。過濾法的優(yōu)點(diǎn)是計(jì)算效率高，能夠快速篩選出與目標(biāo)變量相關(guān)的特征。它的缺點(diǎn)是可能忽略特征之間的相互關(guān)系，因?yàn)樗仟?dú)立地評估每個特征的重要性，沒有考慮特征之間的協(xié)同作用。包裝法是基于學(xué)習(xí)器性能來選擇特征，將特征選擇看作是一個搜索問題，通過學(xué)習(xí)器的訓(xùn)練和評估來尋找最優(yōu)的特征子集。常用的包裝法有遞歸特征消除（RFE）、前向選擇、后向選擇等。RFE的主要思想是反復(fù)構(gòu)建模型，如支持向量機(jī)（SVM）或邏輯回歸模型，然后根據(jù)特征的重要性（如模型的系數(shù)）選出最差的（或者最好的）特征，把選出來的特征放到一邊，在剩余的特征上重復(fù)這個過程，直到達(dá)到預(yù)定的特征數(shù)量。前向選擇是從空特征集開始，逐步添加對模型性能提升最大的特征；后向選擇則是從全特征集開始，逐步移除對模型性能影響最小的特征。包裝法的優(yōu)點(diǎn)是考慮了特征之間的相互關(guān)系，能夠找到最優(yōu)特征子集，直接優(yōu)化模型性能，結(jié)果更符合預(yù)期。它的計(jì)算復(fù)雜度高，需要大量的計(jì)算資源和時間，尤其是在特征數(shù)量和數(shù)據(jù)量很大的情況下。而且，包裝法易受過擬合影響，特別是在數(shù)據(jù)量較少時。嵌入法是在模型訓(xùn)練過程中進(jìn)行特征選擇，根據(jù)學(xué)習(xí)器的訓(xùn)練過程來決定哪些特征是重要的。常用的嵌入法有LASSO回歸、嶺回歸、決策樹等。LASSO回歸在損失函數(shù)中添加L1正則化項(xiàng)，鼓勵產(chǎn)生稀疏權(quán)重向量，即將不重要的特征權(quán)重降為零，從而實(shí)現(xiàn)特征選擇。嶺回歸則添加L2正則化項(xiàng)，主要用于處理特征之間的共線性問題，同時也能在一定程度上進(jìn)行特征選擇。決策樹模型，如隨機(jī)森林、梯度提升樹等，天然能夠度量特征的重要性，通過計(jì)算特征對決策樹節(jié)點(diǎn)分裂的貢獻(xiàn)程度來確定特征的重要性。嵌入法的優(yōu)點(diǎn)是考慮了特征之間的相互關(guān)系，能夠找到最優(yōu)特征子集，同時計(jì)算復(fù)雜度相對較低，特征選擇和模型訓(xùn)練同時進(jìn)行，效率高。它的缺點(diǎn)是與特定的學(xué)習(xí)器相關(guān)，不具備通用性，對于某些復(fù)雜模型（如深度神經(jīng)網(wǎng)絡(luò)），嵌入法的特征選擇效果可能不明顯。在特征選擇之后，需要構(gòu)建預(yù)測模型來評估腫瘤復(fù)發(fā)。常用的建模方法包括監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)算法。監(jiān)督學(xué)習(xí)是最常用的方法，它使用有標(biāo)記的數(shù)據(jù)進(jìn)行訓(xùn)練，即數(shù)據(jù)集中同時包含特征和對應(yīng)的標(biāo)簽（如腫瘤復(fù)發(fā)或未復(fù)發(fā)）。支持向量機(jī)通過尋找一個最優(yōu)的超平面來對數(shù)據(jù)進(jìn)行分類，能夠有效地處理非線性分類問題。套索Logistic回歸結(jié)合了LASSO正則化和邏輯回歸，在進(jìn)行分類的同時實(shí)現(xiàn)特征選擇。隨機(jī)森林是一種集成學(xué)習(xí)方法，通過構(gòu)建多個決策樹并綜合它們的預(yù)測結(jié)果來提高模型的穩(wěn)定性和準(zhǔn)確性。監(jiān)督學(xué)習(xí)的優(yōu)點(diǎn)是模型的訓(xùn)練和預(yù)測過程明確，能夠利用已知的標(biāo)簽信息進(jìn)行準(zhǔn)確的分類和預(yù)測。它需要大量的有標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練，如果標(biāo)記數(shù)據(jù)不足或不準(zhǔn)確，會影響模型的性能。半監(jiān)督學(xué)習(xí)結(jié)合了有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的特點(diǎn)，它使用少量有標(biāo)記數(shù)據(jù)和大量無標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練。在無監(jiān)督特征學(xué)習(xí)階段，半監(jiān)督學(xué)習(xí)利用無標(biāo)記數(shù)據(jù)學(xué)習(xí)數(shù)據(jù)的潛在結(jié)構(gòu)和特征表示；在監(jiān)督模型訓(xùn)練階段，再結(jié)合有標(biāo)記數(shù)據(jù)對模型進(jìn)行微調(diào)。半監(jiān)督學(xué)習(xí)可以充分利用無標(biāo)記數(shù)據(jù)中的信息，減少對大量有標(biāo)記數(shù)據(jù)的依賴，適用于標(biāo)記數(shù)據(jù)獲取困難的情況。其模型的訓(xùn)練和優(yōu)化過程相對復(fù)雜，需要合理地平衡有標(biāo)記數(shù)據(jù)和無標(biāo)記數(shù)據(jù)的作用，否則可能會導(dǎo)致模型性能下降。無監(jiān)督學(xué)習(xí)則使用無標(biāo)記數(shù)據(jù)進(jìn)行訓(xùn)練，旨在發(fā)現(xiàn)數(shù)據(jù)中的潛在模式和結(jié)構(gòu)。K均值算法是一種常用的聚類算法，它將數(shù)據(jù)劃分為K個簇，使得同一簇內(nèi)的數(shù)據(jù)點(diǎn)相似度較高，不同簇之間的數(shù)據(jù)點(diǎn)相似度較低。高斯混合聚類假設(shè)數(shù)據(jù)是由多個高斯分布混合而成，通過估計(jì)每個高斯分布的參數(shù)來對數(shù)據(jù)進(jìn)行聚類。共識聚類是一種基于多個聚類結(jié)果進(jìn)行綜合分析的方法，通過多次運(yùn)行聚類算法并綜合它們的結(jié)果，提高聚類的穩(wěn)定性和可靠性。無監(jiān)督學(xué)習(xí)可以在沒有標(biāo)簽信息的情況下對數(shù)據(jù)進(jìn)行分析和挖掘，發(fā)現(xiàn)數(shù)據(jù)中的潛在規(guī)律。它的結(jié)果解釋相對困難，因?yàn)闆]有明確的標(biāo)簽來指導(dǎo)模型的訓(xùn)練和評估，對于聚類結(jié)果的正確性和有效性判斷較為困難。四、基于MRI影像組學(xué)評估腫瘤復(fù)發(fā)的案例分析4.1案例選取與數(shù)據(jù)收集本研究選取了山東大學(xué)齊魯醫(yī)院2013年1月至2020年12月期間收治的120例膠質(zhì)瘤患者。納入標(biāo)準(zhǔn)嚴(yán)格且明確，所有患者均需經(jīng)術(shù)后病理證實(shí)為膠質(zhì)瘤，這是確保病例準(zhǔn)確性和研究可靠性的關(guān)鍵。同時，患者必須具備完整的術(shù)前T2WI和T1WI增強(qiáng)圖像，這些圖像是進(jìn)行影像組學(xué)分析的重要數(shù)據(jù)來源。完整的MRI影像資料能夠全面反映腫瘤及瘤周水腫的形態(tài)、結(jié)構(gòu)和信號特征，為后續(xù)的感興趣區(qū)（ROI）勾畫和特征提取提供充足的信息。此外，患者要有完整的臨床隨訪數(shù)據(jù)，隨訪時間至少為2年，以準(zhǔn)確判斷腫瘤是否復(fù)發(fā)。隨訪數(shù)據(jù)包括患者的癥狀變化、定期MRI復(fù)查結(jié)果等，這些信息對于驗(yàn)證影像組學(xué)模型在評估腫瘤復(fù)發(fā)中的價(jià)值至關(guān)重要。排除標(biāo)準(zhǔn)主要針對可能影響研究結(jié)果的因素。對于圖像質(zhì)量不佳，如存在嚴(yán)重偽影、運(yùn)動模糊等情況的病例，予以排除。嚴(yán)重偽影會干擾圖像的正常解讀，運(yùn)動模糊則會導(dǎo)致腫瘤及瘤周水腫的邊界顯示不清，從而影響ROI的準(zhǔn)確勾畫和影像組學(xué)特征的提取，使研究結(jié)果產(chǎn)生偏差。合并其他腦部疾病，如腦梗死、腦出血、腦膿腫等的患者也被排除在外。這些疾病會改變腦部的正常結(jié)構(gòu)和信號表現(xiàn)，使膠質(zhì)瘤的影像特征變得復(fù)雜，難以準(zhǔn)確分析，可能會混淆影像組學(xué)分析的結(jié)果。在數(shù)據(jù)收集方面，除了獲取患者的MRI影像資料外，還全面收集了患者的臨床資料。臨床資料涵蓋患者的基本信息，如年齡、性別等，這些因素可能與膠質(zhì)瘤的發(fā)病和預(yù)后存在一定關(guān)聯(lián)。手術(shù)切除程度也是重要的臨床信息，完全切除腫瘤的患者與部分切除的患者，其復(fù)發(fā)風(fēng)險(xiǎn)可能不同。病理分級反映了腫瘤的惡性程度，不同病理分級的膠質(zhì)瘤在影像組學(xué)特征和復(fù)發(fā)模式上可能存在差異。治療方案，包括術(shù)后是否進(jìn)行放療、化療以及具體的治療藥物和療程等，對腫瘤的復(fù)發(fā)也有重要影響。這些臨床資料與MRI影像組學(xué)特征相結(jié)合，能夠更全面地分析影響腫瘤復(fù)發(fā)的因素，提高評估腫瘤復(fù)發(fā)的準(zhǔn)確性。4.2影像組學(xué)分析過程在進(jìn)行影像組學(xué)分析時，首先對腫瘤和瘤周水腫進(jìn)行三維容積感興趣區(qū)（ROI）勾畫。由兩名經(jīng)驗(yàn)豐富的影像科醫(yī)師在獨(dú)立的工作環(huán)境下，利用專業(yè)的圖像分析軟件，在MRI圖像上手動勾畫ROI。對于腫瘤區(qū)域，在T1WI增強(qiáng)圖像上，根據(jù)腫瘤的強(qiáng)化范圍進(jìn)行勾畫，將明顯強(qiáng)化的部分視為腫瘤實(shí)質(zhì)區(qū)域，同時參考T2WI圖像，以確保包含腫瘤周邊可能存在的浸潤部分。在T2WI圖像上，瘤周水腫表現(xiàn)為高信號區(qū)域，圍繞在腫瘤周圍。醫(yī)師根據(jù)T2WI圖像中信號的改變，仔細(xì)勾勒出瘤周水腫的邊界。在勾畫過程中，為了保證準(zhǔn)確性和一致性，兩名醫(yī)師會進(jìn)行充分的溝通和討論，對于存在爭議的區(qū)域，通過多序列圖像對比、結(jié)合臨床資料以及咨詢更資深的專家等方式，最終達(dá)成一致意見。完成ROI勾畫后，運(yùn)用專門的影像組學(xué)軟件，從ROI中提取大量影像組學(xué)特征。這些特征涵蓋多個方面，包括形狀特征、一階統(tǒng)計(jì)量特征、二階紋理特征以及高階特征等。形狀特征如腫瘤的體積，通過計(jì)算ROI內(nèi)的體素?cái)?shù)量來確定，它反映了腫瘤的大?。槐砻娣e則通過特定的算法計(jì)算ROI表面的面積，與腫瘤的生長方式和浸潤范圍相關(guān)；致密性通過體積與表面積的關(guān)系計(jì)算得出，用于衡量腫瘤的緊湊程度。一階統(tǒng)計(jì)量特征基于圖像的灰度直方圖進(jìn)行提取，如平均值反映了ROI內(nèi)體素灰度值的平均水平，熵表示灰度分布的不確定性，偏度和峰度則分別描述灰度分布的不對稱程度和陡峭程度。二階紋理特征通過灰度共生矩陣（GLCM）、灰度游程長度矩陣（GLRLM）等方法提取。GLCM計(jì)算在給定空間距離和方向上，具有特定灰度值的像素對出現(xiàn)的概率，從而得到對比度、相關(guān)性、能量、同質(zhì)性等特征，用于描述圖像的紋理信息。GLRLM基于相同灰度值的像素連續(xù)出現(xiàn)的長度來分析紋理特征，可得到短游程優(yōu)勢、長游程優(yōu)勢等特征。高階特征通過在圖像上施加濾波器來提取，如高斯拉普拉斯濾波器用于突出圖像中的邊緣和細(xì)節(jié)信息，小波變換將圖像分解為不同頻率的子帶，以獲取與腫瘤相關(guān)的特征。由于提取的特征數(shù)量眾多，存在特征冗余和噪聲干擾的問題，因此需要進(jìn)行降維處理。采用主成分分析（PCA）和最小絕對收縮和選擇算子（LASSO）回歸相結(jié)合的方法進(jìn)行降維。PCA是一種常用的線性降維方法，它通過對原始特征進(jìn)行線性變換，將高維數(shù)據(jù)投影到低維空間中，使得投影后的數(shù)據(jù)方差最大化，從而保留數(shù)據(jù)的主要特征。在本研究中，PCA能夠?qū)⑻崛〉拇罅坑跋窠M學(xué)特征轉(zhuǎn)換為一組新的不相關(guān)的主成分，這些主成分按照方差貢獻(xiàn)率從大到小排列，通過選擇前幾個方差貢獻(xiàn)率較大的主成分，實(shí)現(xiàn)數(shù)據(jù)維度的降低。LASSO回歸則在回歸模型中加入L1正則化項(xiàng)，使得模型在訓(xùn)練過程中能夠自動對特征進(jìn)行篩選，將不重要的特征系數(shù)壓縮為零，從而實(shí)現(xiàn)特征選擇。通過LASSO回歸，可以從PCA處理后的主成分中進(jìn)一步篩選出與腫瘤復(fù)發(fā)最相關(guān)的特征子集。在進(jìn)行PCA和LASSO回歸時，對模型的參數(shù)進(jìn)行了細(xì)致的調(diào)優(yōu)。例如，在PCA中，根據(jù)特征值的變化情況和累計(jì)方差貢獻(xiàn)率，確定合適的主成分?jǐn)?shù)量；在LASSO回歸中，通過交叉驗(yàn)證的方式，選擇最優(yōu)的正則化參數(shù)，以平衡模型的擬合能力和復(fù)雜度，從而得到最具代表性和預(yù)測價(jià)值的特征子集。4.3結(jié)果與分析4.3.1不同模型的預(yù)測效能在本次研究中，針對瘤周水腫、腫瘤以及兩者聯(lián)合的情況，分別采用了多種分類器構(gòu)建影像組學(xué)模型，并對各模型的預(yù)測效能進(jìn)行了詳細(xì)評估。對于瘤周水腫，K臨近法（KNN）分類器表現(xiàn)出了最佳的預(yù)測效能。在訓(xùn)練組中，其AUC值達(dá)到了0.910，這表明該模型在區(qū)分腫瘤復(fù)發(fā)和未復(fù)發(fā)方面具有較高的準(zhǔn)確性。敏感度為0.84，意味著該模型能夠準(zhǔn)確識別出84%的復(fù)發(fā)患者；特異度為0.88，說明模型能夠正確判斷出88%的未復(fù)發(fā)患者。在驗(yàn)證組中，KNN分類器的AUC值進(jìn)一步提升至0.916，敏感度為0.82，特異度為0.93。驗(yàn)證組的結(jié)果進(jìn)一步驗(yàn)證了KNN分類器在瘤周水腫影像組學(xué)模型中的可靠性和穩(wěn)定性，其能夠在不同的數(shù)據(jù)集上保持較好的預(yù)測性能。對于腫瘤本身，邏輯回歸（LR）分類器的預(yù)測效能最優(yōu)。訓(xùn)練組中，LR分類器的AUC值為0.777，敏感度為0.69，特異度為0.67。雖然相較于瘤周水腫的KNN模型，其AUC值相對較低，但在腫瘤影像組學(xué)分析中仍具有一定的預(yù)測價(jià)值。在驗(yàn)證組中，LR分類器的AUC值為0.758，敏感度提升至0.82，特異度為0.92。這顯示出LR分類器在驗(yàn)證階段，對腫瘤復(fù)發(fā)的識別能力有所增強(qiáng)，尤其是在敏感度方面的提升，表明模型能夠更準(zhǔn)確地檢測出復(fù)發(fā)的腫瘤病例。當(dāng)將腫瘤與瘤周水腫聯(lián)合起來構(gòu)建模型時，邏輯回歸（LR）分類器再次展現(xiàn)出最佳的預(yù)測效能。訓(xùn)練組中，該模型的AUC值高達(dá)0.977，敏感度為0.88，特異度為0.89。這表明聯(lián)合模型在訓(xùn)練階段具有極高的準(zhǔn)確性，能夠很好地區(qū)分腫瘤復(fù)發(fā)和未復(fù)發(fā)的情況。在驗(yàn)證組中，AUC值為0.841，敏感度為0.73，特異度為0.83。盡管驗(yàn)證組的AUC值相較于訓(xùn)練組有所下降，但仍保持在較高水平，說明聯(lián)合模型在獨(dú)立數(shù)據(jù)集上也具有較好的泛化能力，能夠?qū)δ[瘤復(fù)發(fā)進(jìn)行有效的預(yù)測。綜合比較不同模型的預(yù)測效能，瘤周水腫的KNN模型在區(qū)分腫瘤復(fù)發(fā)和未復(fù)發(fā)方面表現(xiàn)出色，尤其是在驗(yàn)證組中展現(xiàn)出較高的準(zhǔn)確性和穩(wěn)定性。腫瘤的LR模型雖然單獨(dú)使用時預(yù)測效能相對較弱，但在與瘤周水腫聯(lián)合構(gòu)建模型后，能夠顯著提高預(yù)測的準(zhǔn)確性。聯(lián)合模型的AUC值在訓(xùn)練組和驗(yàn)證組中都處于較高水平，說明將腫瘤和瘤周水腫的影像組學(xué)特征結(jié)合起來，能夠?yàn)樵u估腫瘤復(fù)發(fā)提供更全面、準(zhǔn)確的信息，具有重要的臨床應(yīng)用價(jià)值。4.3.2影響腫瘤復(fù)發(fā)的影像組學(xué)因素在本研究中，通過對大量影像組學(xué)特征的深入分析，發(fā)現(xiàn)了多個與腫瘤復(fù)發(fā)密切相關(guān)的特征。在形狀特征方面，腫瘤體積是一個重要的影響因素。復(fù)發(fā)組的腫瘤體積往往明顯大于未復(fù)發(fā)組。這是因?yàn)槟[瘤體積的增大通常意味著腫瘤細(xì)胞的大量增殖和生長，腫瘤細(xì)胞的增殖活性越高，越容易突破手術(shù)切除的邊界，導(dǎo)致腫瘤復(fù)發(fā)。例如，在一些復(fù)發(fā)性膠質(zhì)瘤患者中，MRI圖像顯示腫瘤體積在短時間內(nèi)迅速增大，這與腫瘤復(fù)發(fā)的臨床診斷相符合。腫瘤的表面積和致密性也與復(fù)發(fā)相關(guān)。表面積較大的腫瘤，其與周圍組織的接觸面積更廣，更容易向周圍組織浸潤生長，增加了復(fù)發(fā)的風(fēng)險(xiǎn)。而致密性較低的腫瘤，內(nèi)部結(jié)構(gòu)相對疏松，細(xì)胞之間的連接不夠緊密，使得腫瘤細(xì)胞更容易脫離腫瘤主體，向周圍組織擴(kuò)散，從而導(dǎo)致復(fù)發(fā)。一階統(tǒng)計(jì)量特征也對腫瘤復(fù)發(fā)有顯著影響。復(fù)發(fā)組的平均灰度值與未復(fù)發(fā)組存在明顯差異。這可能是由于復(fù)發(fā)腫瘤的細(xì)胞成分、組織結(jié)構(gòu)發(fā)生了改變，導(dǎo)致其在MRI圖像上的灰度值表現(xiàn)不同于未復(fù)發(fā)腫瘤。腫瘤的熵值在復(fù)發(fā)組中較高。熵值反映了圖像灰度分布的不確定性或隨機(jī)性，復(fù)發(fā)腫瘤的細(xì)胞組成更加復(fù)雜，細(xì)胞形態(tài)和排列不規(guī)則，使得其灰度分布更加復(fù)雜，熵值升高。偏度和峰度在復(fù)發(fā)組和未復(fù)發(fā)組之間也有明顯變化。偏度的改變可能反映了腫瘤內(nèi)部細(xì)胞分布的不對稱性增加，而峰度的變化則可能表示腫瘤細(xì)胞的聚集程度發(fā)生了改變，這些都與腫瘤的復(fù)發(fā)密切相關(guān)。在二階紋理特征中，灰度共生矩陣（GLCM）的對比度、相關(guān)性、能量和同質(zhì)性等特征與腫瘤復(fù)發(fā)緊密相關(guān)。復(fù)發(fā)組的對比度較高，這表明復(fù)發(fā)腫瘤內(nèi)部的灰度差異較大，可能是由于腫瘤內(nèi)部存在壞死、出血等不同的組織結(jié)構(gòu)，導(dǎo)致灰度值差異明顯。相關(guān)性較低說明復(fù)發(fā)腫瘤內(nèi)像素之間的線性關(guān)系較弱，細(xì)胞排列更加紊亂，缺乏規(guī)律性。能量較低表示復(fù)發(fā)腫瘤的紋理均勻性較差，腫瘤內(nèi)部結(jié)構(gòu)復(fù)雜多樣。同質(zhì)性較低則反映了復(fù)發(fā)腫瘤內(nèi)像素灰度值的相似性較低，進(jìn)一步證明了腫瘤內(nèi)部結(jié)構(gòu)的復(fù)雜性和異質(zhì)性?；叶扔纬涕L度矩陣（GLRLM）的短游程優(yōu)勢和長游程優(yōu)勢等特征在復(fù)發(fā)組和未復(fù)發(fā)組中也有明顯差異。短游程優(yōu)勢在復(fù)發(fā)組中可能較低，說明復(fù)發(fā)腫瘤中短游程的出現(xiàn)頻率減少，圖像紋理相對粗糙，這可能與腫瘤細(xì)胞的增殖和浸潤導(dǎo)致的組織結(jié)構(gòu)改變有關(guān)。長游程優(yōu)勢的變化則可能反映了腫瘤細(xì)胞在特定方向上的生長趨勢和排列方式的改變，對腫瘤復(fù)發(fā)具有一定的指示作用。這些與腫瘤復(fù)發(fā)相關(guān)的影像組學(xué)特征，從不同角度反映了腫瘤的生物學(xué)行為和病理變化。它們在評估腫瘤復(fù)發(fā)風(fēng)險(xiǎn)中具有重要作用，能夠?yàn)榕R床醫(yī)生提供更全面、準(zhǔn)確的信息，幫助醫(yī)生更準(zhǔn)確地判斷腫瘤復(fù)發(fā)的可能性，從而制定更合理的治療方案。例如，通過監(jiān)測腫瘤體積、表面積等形狀特征的變化，醫(yī)生可以及時發(fā)現(xiàn)腫瘤的生長趨勢，提前采取干預(yù)措施。一階統(tǒng)計(jì)量和二階紋理特征的分析則有助于深入了解腫瘤內(nèi)部的結(jié)構(gòu)和細(xì)胞組成變化，為腫瘤復(fù)發(fā)的早期診斷和預(yù)后評估提供有力支持。五、討論與展望5.1研究結(jié)果的討論本研究通過對120例膠質(zhì)瘤患者的MRI影像進(jìn)行組學(xué)分析，深入探討了膠質(zhì)瘤及瘤周水腫MRI影像組學(xué)在評估腫瘤復(fù)發(fā)中的價(jià)值，取得了一系列具有重要臨床意義的結(jié)果。在不同模型的預(yù)測效能方面，針對瘤周水腫，K臨近法（KNN）分類器展現(xiàn)出了卓越的性能。KNN算法的核心思想是基于數(shù)據(jù)的相似性進(jìn)行分類，對于瘤周水腫這種具有獨(dú)特紋理和形態(tài)特征的區(qū)域，KNN能夠有效地捕捉其特征與腫瘤復(fù)發(fā)之間的關(guān)系。在訓(xùn)練組中，KNN分類器的AUC值達(dá)到0.910，敏感度為0.84，特異度為0.88；在驗(yàn)證組中，AUC值進(jìn)一步提升至0.916，敏感度為0.82，特異度為0.93。這表明KNN模型在區(qū)分腫瘤復(fù)發(fā)和未復(fù)發(fā)方面具有較高的準(zhǔn)確性和穩(wěn)定性，能夠?yàn)榕R床醫(yī)生提供可靠的參考。對于腫瘤本身，邏輯回歸（LR）分類器表現(xiàn)最佳。邏輯回歸是一種經(jīng)典的線性分類模型，它通過對特征進(jìn)行線性組合，利用概率來判斷樣本所屬的類別。在腫瘤影像組學(xué)分析中，LR分類器能夠根據(jù)腫瘤的各種影像組學(xué)特征，如形狀特征、紋理特征等，準(zhǔn)確地預(yù)測腫瘤是否復(fù)發(fā)。訓(xùn)練組中，LR分類器的AUC值為0.777，敏感度為0.69，特異度為0.67；驗(yàn)證組中，AUC值為0.758，敏感度提升至0.82，特異度為0.92。雖然LR分類器單獨(dú)使用時的預(yù)測效能相對瘤周水腫的KNN模型較弱，但在與瘤周水腫聯(lián)合構(gòu)建模型時，能夠顯著提高預(yù)測的準(zhǔn)確性。當(dāng)腫瘤與瘤周水腫聯(lián)合時，邏輯回歸（LR）分類器的預(yù)測效能達(dá)到了最佳。訓(xùn)練組中，聯(lián)合模型的AUC值高達(dá)0.977，敏感度為0.88，特異度為0.89；驗(yàn)證組中，AUC值為0.841，敏感度為0.73，特異度為0.83。這充分說明將腫瘤和瘤周水腫的影像組學(xué)特征結(jié)合起來，能夠提供更全面、準(zhǔn)確的信息，更有效地評估腫瘤復(fù)發(fā)情況。從影響腫瘤復(fù)發(fā)的影像組學(xué)因素來看，多種特征與腫瘤復(fù)發(fā)密切相關(guān)。形狀特征方面，腫瘤體積是一個關(guān)鍵因素。復(fù)發(fā)組的腫瘤體積明顯大于未復(fù)發(fā)組，這是因?yàn)槟[瘤體積的增大反映了腫瘤細(xì)胞的大量增殖和生長。腫瘤細(xì)胞的增殖活性越高，越容易突破手術(shù)切除的邊界，從而導(dǎo)致腫瘤復(fù)發(fā)。腫瘤的表面積和致密性也與復(fù)發(fā)緊密相關(guān)。表面積較大意味著腫瘤與周圍組織的接觸面積更廣，更容易向周圍組織浸潤生長，增加復(fù)發(fā)風(fēng)險(xiǎn)；致密性較低則表明腫瘤內(nèi)部結(jié)構(gòu)疏松，細(xì)胞之間連接不緊密，腫瘤細(xì)胞更容易脫離腫瘤主體，向周圍組織擴(kuò)散，進(jìn)而導(dǎo)致復(fù)發(fā)。一階統(tǒng)計(jì)量特征同樣對腫瘤復(fù)發(fā)有顯著影響。復(fù)發(fā)組的平均灰度值與未復(fù)發(fā)組存在明顯差異，這是由于復(fù)發(fā)腫瘤的細(xì)胞成分和組織結(jié)構(gòu)發(fā)生了改變，使得其在MRI圖像上的灰度值表現(xiàn)不同于未復(fù)發(fā)腫瘤。腫瘤的熵值在復(fù)發(fā)組中較高，熵值反映了圖像灰度分布的不確定性或隨機(jī)性，復(fù)發(fā)腫瘤細(xì)胞組成復(fù)雜，形態(tài)和排列不規(guī)則，導(dǎo)致灰度分布更加復(fù)雜，熵值升高。偏度和峰度在復(fù)發(fā)組和未復(fù)發(fā)組之間的變化，也反映了腫瘤內(nèi)部細(xì)胞分布的不對稱性以及聚集程度的改變，這些都與腫瘤的復(fù)發(fā)密切相關(guān)。二階紋理特征中，灰度共生矩陣（GLCM）和灰度游程長度矩陣（GLRLM）的多個特征與腫瘤復(fù)發(fā)緊密相關(guān)。GLCM的對比度、相關(guān)性、能量和同質(zhì)性等特征在復(fù)發(fā)組和未復(fù)發(fā)組中表現(xiàn)出明顯差異。復(fù)發(fā)組的對比度較高，說明復(fù)發(fā)腫瘤內(nèi)部灰度差異較大，可能存在壞死、出血等不同組織結(jié)構(gòu)，導(dǎo)致灰度值差異明顯；相關(guān)性較低表明復(fù)發(fā)腫瘤內(nèi)像素之間線性關(guān)系較弱，細(xì)胞排列紊亂，缺乏規(guī)律性；能量較低意味著復(fù)發(fā)腫瘤的紋理均勻性較差，內(nèi)部結(jié)構(gòu)復(fù)雜多樣；同質(zhì)性較低則反映了復(fù)發(fā)腫瘤內(nèi)像素灰度值相似性低，進(jìn)一步證明了腫瘤內(nèi)部結(jié)構(gòu)的復(fù)雜性和異質(zhì)性。GLRLM的短游程優(yōu)勢和長游程優(yōu)勢等特征在兩組中也有明顯變化，短游程優(yōu)勢在復(fù)發(fā)組中可能較低，說明復(fù)發(fā)腫瘤中短游程出現(xiàn)頻率減少，圖像紋理相對粗糙，這與腫瘤細(xì)胞的增殖和浸潤導(dǎo)致的組織結(jié)構(gòu)改變有關(guān)；長游程優(yōu)勢的變化則反映了腫瘤細(xì)胞在特定方向上的生長趨勢和排列方式的改變，對腫瘤復(fù)發(fā)具有指示作用。本研究結(jié)果與國內(nèi)外相關(guān)研究具有一定的一致性和互補(bǔ)性。與國外[某研究團(tuán)隊(duì)]的研究相比，他們同樣發(fā)現(xiàn)了瘤周水腫的某些影像組學(xué)特征與腫瘤復(fù)發(fā)的相關(guān)性，但在具體特征和模型構(gòu)建上存在差異。本研究通過更全面地分析瘤周水腫和腫瘤的多種影像組學(xué)特征，并采用多種分類器進(jìn)行建模，進(jìn)一步驗(yàn)證和拓展了影像組學(xué)在評估腫瘤復(fù)發(fā)中的應(yīng)用。在國內(nèi)，山東大學(xué)齊魯醫(yī)院的研究也證實(shí)了膠質(zhì)瘤瘤周水腫和腫瘤影像組學(xué)特征在預(yù)測術(shù)后復(fù)發(fā)方面的價(jià)值，本研究在樣本選擇、特征提取和模型構(gòu)建等方面進(jìn)行了優(yōu)化，提高了模型的預(yù)測效能。新鄉(xiāng)醫(yī)學(xué)院第一附屬醫(yī)院的研究則主要關(guān)注瘤內(nèi)和瘤周水腫的影像組學(xué)特征與膠質(zhì)瘤復(fù)發(fā)的關(guān)系，本研究在此基礎(chǔ)上，更深入地分析了不同特征的作用機(jī)制以及不同模型的效能差異。本研究的結(jié)果為膠質(zhì)瘤復(fù)發(fā)的評估提供了新的視角和方法，進(jìn)一步豐富了影像組學(xué)在膠質(zhì)瘤研究領(lǐng)域的成果。5.2研究的局限性本研究雖取得了一定成果，但仍存在一些局限性。樣本量方面，本研究僅納入了120例膠質(zhì)瘤患者，樣本量相對較小。較小的樣本量可能無法全面涵蓋膠質(zhì)瘤的所有類型和復(fù)雜情況，導(dǎo)致研究結(jié)果存在一定的偏差。例如，一些罕見的膠質(zhì)瘤亞型在小樣本中可能未被充分體現(xiàn)，從而影響模型對這些特殊類型膠質(zhì)瘤復(fù)發(fā)的預(yù)測能力。為了改進(jìn)這一問題，未來研究應(yīng)盡可能擴(kuò)大樣本量，納入更多不同類型、不同級別、不同治療方式的膠質(zhì)瘤患者?？梢酝ㄟ^多中心合作的方式，收集來自不同地區(qū)、不同醫(yī)院的病例，以增加樣本的多樣性和代表性。同時，還可以對樣本進(jìn)行分層分析，如按照膠質(zhì)瘤的病理類型、分級、治療方案等因素進(jìn)行分層，進(jìn)一步探討不同亞組中影像組學(xué)特征與腫瘤復(fù)發(fā)的關(guān)系。在影像采集環(huán)節(jié)，本研究僅采用了T2WI和T1WI增強(qiáng)圖像進(jìn)行分析。然而，MRI還有其他多種序列，如擴(kuò)散加權(quán)成像（DWI）、灌注加權(quán)成像（PWI）、磁共振波譜分析（MRS）等。這些序列能夠提供不同的信息，如DWI可以反映水分子的擴(kuò)散情況，有助于了解腫瘤細(xì)胞的密度和組織結(jié)構(gòu)；PWI可以評估腫瘤的血流灌注情況，反映腫瘤的血管生成和代謝活性；MRS則能夠檢測腦組織內(nèi)的代謝物變化，輔助判斷腫瘤的級別和惡性程度。未來研究應(yīng)納入更多的MRI序列，進(jìn)行多模態(tài)影像組學(xué)分析。通過整合不同序列的影像組學(xué)特征，可以更全面地了解腫瘤的生物學(xué)行為，提高對腫瘤復(fù)發(fā)評估的準(zhǔn)確性。在數(shù)據(jù)采集時，還需要嚴(yán)格控制掃描參數(shù)的一致性，確保不同患者的影像數(shù)據(jù)具有可比性?？梢灾贫ńy(tǒng)一的掃描方案和質(zhì)量控制標(biāo)準(zhǔn)，減少因掃描參數(shù)差異導(dǎo)致的圖像質(zhì)量和特征提取的誤差。在模型的通用性方面，本研究建立的模型是基于特定醫(yī)院的患者數(shù)據(jù)訓(xùn)練和驗(yàn)證的。由于不同醫(yī)院的MRI設(shè)備、掃描參數(shù)、圖像后處理方法等可能存在差異，這可能導(dǎo)致模型在其他醫(yī)院或不同設(shè)備上的應(yīng)用效果不佳，即模型的泛化能力有限。為了提高模型的通用性，需要進(jìn)行多中心、大樣本的外部驗(yàn)證。將建立的模型應(yīng)用于不同醫(yī)院的患者數(shù)據(jù)，觀察其預(yù)測性能的穩(wěn)定性?？梢酝ㄟ^與其他研究團(tuán)隊(duì)合作，共享數(shù)據(jù)，共同驗(yàn)證模型的有效性。還可以采用遷移學(xué)習(xí)等技術(shù)，對模型進(jìn)行優(yōu)化和調(diào)整，使其能夠適應(yīng)不同的數(shù)據(jù)集和應(yīng)用場景。在模型訓(xùn)練過程中，可以引入更多的外部數(shù)據(jù)，增加模型對不同數(shù)據(jù)特征的學(xué)習(xí)能力，從而提高模型的泛化能力。5.3未來研究方向未來在膠質(zhì)瘤及瘤周水腫MRI影像組學(xué)評估腫瘤復(fù)發(fā)的研究領(lǐng)域，有著多個極具潛力的研究方向。擴(kuò)大樣本量與多中心研究是關(guān)鍵方向之一。為了提高研究結(jié)果的可靠性和普適性，需要進(jìn)一步擴(kuò)大樣本量。通過多中心合作，整合來自不同地區(qū)、不同醫(yī)院的膠質(zhì)瘤患者數(shù)據(jù)，能夠涵蓋更多樣化的病例，包括不同種族、不同生活環(huán)境以及不同治療方案的患者。這樣可以全面考慮各種因素對影像組學(xué)特征和腫瘤復(fù)發(fā)的影響，減少研究結(jié)果的偏倚。多中心研究還可以促進(jìn)不同研究團(tuán)隊(duì)之間的交流與合作，共享研究經(jīng)驗(yàn)和技術(shù)，加快研究進(jìn)展。例如，可以建立一個全國性或國際性的膠質(zhì)瘤影像組學(xué)研究協(xié)作網(wǎng)絡(luò)，各個中心按照統(tǒng)一的標(biāo)準(zhǔn)收集數(shù)據(jù)、進(jìn)行影像采集和分析，然后對匯總的數(shù)據(jù)進(jìn)行聯(lián)合分析，從而得出更具權(quán)威性和通用性的結(jié)論。結(jié)合多模態(tài)影像與基因分析將為研究帶來新的突破。目前，MRI影像組學(xué)主要基于傳統(tǒng)的T1WI、T2WI和T1WI增強(qiáng)圖像，未來應(yīng)進(jìn)一步納入擴(kuò)散加權(quán)成像（DWI）、灌注加權(quán)成像（PWI）、磁共振波譜分析（MRS）等多模態(tài)影像。DWI能夠反映水分子的擴(kuò)散情況，有助于了解腫瘤細(xì)胞的密度和組織結(jié)構(gòu)；PWI可以評估腫瘤的血流灌注情況，反映腫瘤的血管生成和代謝活性；MRS則能夠檢測腦組織內(nèi)的代謝物變化，輔助判斷腫瘤的級別和惡性程度。將這些多模態(tài)影像的組學(xué)特征與傳統(tǒng)影像組學(xué)特征相結(jié)合，可以更全面地了解腫瘤的生物學(xué)行為。還應(yīng)將影像組學(xué)與基因分析相結(jié)合?；虮磉_(dá)水平與腫瘤的發(fā)生、發(fā)展和復(fù)發(fā)密切相關(guān)，如IDH基因突變、O6-甲基鳥嘌呤-DNA甲基轉(zhuǎn)移酶（MGMT）啟動子甲基化狀態(tài)等。通過分析影像組學(xué)特征與基因表達(dá)之間的關(guān)聯(lián)，可以深入探究腫瘤復(fù)發(fā)的潛在機(jī)制，為精準(zhǔn)治療提供更有力的依據(jù)。例如，研究發(fā)現(xiàn)MGMT啟動子甲基化狀態(tài)與膠質(zhì)