目的 探讨基于影像组学和深度学习特征评分(radiomics-deep learning score,RD-score)联合血液炎性指标构建的列线图在术前预测胶质瘤预后的价值.材料与方法 回顾性分析166例临床确诊胶质瘤的患者病例,按8:2随机分为训练集(133例)和验证集(33例).收集患者的临床、血液炎性指标资料,构建组合变量系统性炎症指数(systemic immune inflammation index,SII)、全身炎症反应指数(system inflammation response index,SIRI)、衍生中性粒细胞与淋巴细胞比值(derived neutrophil-to-lymphocyte ratio,dNLR)、中性粒细胞与淋巴细胞比值(neutrophil-to-lymphocyte ratio,NLR)、单核细胞与淋巴细胞比值(monocyte-to-lymphocyte ratio,MLR)、血小板与淋巴细胞比值(platelet-to-lymphocyte ratio,PLR)并计算其截断值.勾画胶质瘤感兴趣体积(volume of interest,VOI)并提取影像组学及深度学习特征,利用最小绝对值收敛和选择算子(least absolute shrinkage and selection operator,LASSO)-Cox进行特征筛选,构建基于影像组学特征评分(radiomics-score,Rad-score)、基于深度学习特征评分(deep learning-score,DL-score)以及RD-score模型,并比较三者的受试者工作特征曲线下面积(area under the curve,AUC)以评估其预测效能;基

作者：赵杉；阎子康；杨骏骏；张文韬；潘世娇；徐胜生

来源：磁共振成像 2024 年 15卷 1期