Advanced quantitative MRI radiomics features for recurrence prediction in glioblastoma multiform patients
Notice bibliographique
Résumé
Introduction: Advanced quantitative information such as radiomics features derived from magnetic resonance (MR) image may be useful for outcome prediction, prognostic models or response biomarkers in Glioblastoma (GBM). The main aim of this study was to evaluate MRI radiomics features for recurrence prediction in glioblastoma multiform. Materials and Methods: 86 patients with recurrent GBM who underwent MRI were subjected to this study. The axial T1-weighted contrast-enhanced and axial T2-weighted FLAIR images were included for analysis. All images were preprocessed by different bin width (32, 64 and 128). For each lesion we manually segmented Active, Necrosis and whole Tumor region in T1-CE and Edema region in T2-FLAIR. 105 quantitative 3D features and texture based on intensity histograms (IH), gray level run-length (GLRLM), gray level co-occurrence (GLCM), gray level size-zone texture matrices (GLSZM), neighborhood-difference matrices (NDM), and geometric features were extracted from the 3D-tumor volumes of each segment. Random Forest (RF) machine learning with 10-fold cross validation was used to recurrence prediction in GBM. Results: Area under ROC curve (AUC) as an assessment index on RF with bin width of 32, 64 and 128 achieved in Active (0.616, 0.586, 0.509), Necrosis (0.521, 0.521, 0.545), whole Tumor (0.639, 0.602, 0.547) and Edema regions (0.629, 0.669, 0.621), respectively. Conclusion: The main purpose of this assay was to assess the power of MRI radiomics features in GBM patients for recurrence prediction. The proposed method can effectively predict recurrence in GBM by application of advanced MRI quantitative radiomics features and machine learning.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».