基于双重结构特征探索与比对网络的胶质瘤IDH及1p/19q状态预测

《IEEE Transactions on Neural Networks and Learning Systems》:Prediction of IDH and 1p/19q Status in Gliomas Based on Dual Structural Feature Exploration and Alignment Network

【字体: 大 中 小 】 时间:2026年05月13日 来源:IEEE Transactions on Neural Networks and Learning Systems 8.9

编辑推荐:

   摘要:在多序列磁共振成像(MRI)图像上术前非侵入性地预测异柠檬酸脱氢酶(IDH)和1p/19q染色体臂的状态,有助于胶质瘤患者的预后和最佳治疗计划制定。然而,由于胶质瘤的高度异质性,从MRI图像中有效学习用于预测IDH突变和1p/19q缺失状态的判别特征仍然具有挑战性。为此提

  

摘要:

在多序列磁共振成像(MRI)图像上术前非侵入性地预测异柠檬酸脱氢酶(IDH)和1p/19q染色体臂的状态,有助于胶质瘤患者的预后和最佳治疗计划制定。然而,由于胶质瘤的高度异质性,从MRI图像中有效学习用于预测IDH突变和1p/19q缺失状态的判别特征仍然具有挑战性。为此提出了一种双重结构特征探索与对齐网络(DSFEAnet),以有效探索与胶质瘤内部和边缘异质性相关的代表性特征,从而实现准确预测。首先,引入了匹配与不匹配特征提取(MMFE)模块,用于提取与肿瘤内部异质性相关的图像结构特征,例如与肿瘤核心定位和T2-液体衰减反转恢复(FLAIR)不匹配信号相关的信息。其次,开发了基于图的几何结构探索(GGE)模块,用于探索与边缘异质性相关的图结构特征。在该模块中,沿3D肿瘤表面的顶点关联和变化被整合成图,可以有效感知胶质瘤的位置、大小和边缘纹理的变化,从而增强描述胶质瘤异质性的特征表现能力。最后,结合了双重结构特征对齐(DSFA)模块,以缩小内部和结构间特征的差距,能够自适应地对齐和融合不同特征,进一步提高整体预测性能。所提出的DSFEAnet使用多中心数据集进行了评估,并在独立临床数据集上证明了其鲁棒性。具体来说,从公开可用的The Cancer Imaging Archive(TCIA)收集了560个胶质瘤样本的术前MRI图像(n=203),年龄:51.82(15.21)岁,男/女:109/94,IDH突变型/野生型:90/113,...

引言

胶质瘤是最常见的影响大脑和中枢神经系统其他部分的恶性原发性肿瘤[1]。根据世界卫生组织2021年的肿瘤分类系统,肿瘤基因型已被用于对肿瘤进行分级和预测各种肿瘤类型的预后[2]。异柠檬酸脱氢酶(IDH)和1p/19q染色体臂是胶质瘤的两个重要基因型。具有突变IDH的胶质瘤具有特定的表观遗传改变,使其比具有野生型IDH的胶质瘤更容易接受治疗干预[3]。具有1p/19q缺失的胶质瘤通常比没有缺失的胶质瘤预后更好。具体而言,具有1p/19q缺失的胶质瘤对放射治疗和替莫唑胺化疗的反应显著增强[4]。因此,准确识别IDH和1p/19q的状态对预后和最佳治疗计划制定非常有益[5]。胶质瘤的基因型状态通常可以通过分析通过活检或切除获得的肿瘤组织来确定。然而,尽管活检在临床实践中通常是安全且广泛使用的,但仍可能存在某些风险,如采样错误或手术相关并发症,特别是在那些不立即进行手术治疗的低级别胶质瘤病例中[6]。尽管肿瘤切除仍然是大多数胶质瘤类型的标准治疗方法,但由于肿瘤位置和可及性、患者的临床状况以及患者拒绝手术干预等因素,这并不总是可行的。因此,术前非侵入性地预测IDH和1p/19q的状态对于适当的治疗计划是必要的。

相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号