简介：摘要目的探讨主观认知减退（SCD）人群静息态皮质网络的拓扑特征及与认知水平的相关性。方法收集2017年6月至2019年11月在南京各社区招募36例自诉有记忆下降的中老年人与32名健康对照（NC），分析认知量表、T1加权像（T1WI）和静息态功能磁共振（rs-fMRI）数据。SCD组男5例、女31例，年龄（64±5）岁；NC组男8例、女24例，年龄（65±5）岁。对rs-fMRI数据进行预处理，并根据先验模板将大脑皮质分为333个脑区（节点）和10个模块，建立皮质-皮质的全连接矩阵，在矩阵基础上计算每个节点的模块内连接度（WMD）和参与系数（PC）。比较两组间各节点的WMD值和PC值，并与认知量表评分作相关性分析。结果SCD组右侧额顶网络（FPN）的背外侧前额叶（DLPFC）（P<0.05，FDR校正）与额中央回（P<0.005，未校正）WMD增加；左侧视觉网络（VN）的枕上回WMD降低（P<0.05，FDR校正）；左侧背侧注意网络（DAN）的缘上回PC降低（P<0.005，未校正）。SCD组中，DLPFC的WMD值与听觉词汇学习测验（AVLT）短时记忆（r=0.364，P=0.029）、再认记忆（r=0.364，P=0.029）及波士顿命名评分（BNT）（r=0.356，P=0.033）成显著正相关；缘上回的PC值与BNT评分（r=0.413，P=0.012）成显著正相关。结论SCD人群存在皮质网络失衡与重构，表现为VN的模块内连接性及DAN的模块间连接性降低，并通过增强FPN的模块内连接性而代偿认知水平的早期减退。

简介：摘要目的探讨MRI的不同影像组学模型预测术前脑胶质瘤O6-甲基鸟嘌呤-DNA甲基转移酶(O6-methylguanine-DNA methyltransferase，MGMT)启动子甲基化状态的效能。材料与方法回顾性分析经手术病理证实的114例大脑胶质瘤患者的MRI影像资料，包括T1WI、T2WI、ADC及T1WI增强序列。其中MGMT启动子甲基化阳性58例，阴性56例，按8∶2比例分为训练组(91例)与验证组(23例)，在T2WI及T1WI增强序列分别对肿瘤加水肿区及肿瘤核心区进行三维手工分割，提取总共688个影像组学特征，采用主成分分析进行特征降维，方差分析用于特征筛选，应用逻辑回归(Logistic regression，LR)算法、Lasso的逻辑回归算法(Logistic regression via Lasso，LR-Lasso)、支持向量机(support vector machine，SVM)、贝叶斯分类器(native Bayes，NB)构建诊断模型，5倍交叉验证方法用于训练模型，验证组数据用于评估模型的预测性能，ROC曲线用于计算模型的准确率、敏感度和特异度，ROC曲线下面积(area under curve，AUC)用于评估模型的预测性能。结果LR模型的AUC值、准确率为0.90和91%，敏感度和特异度为92%和91%，LR-Lasso模型的AUC值、准确率为0.80和74%，敏感度和特异度为67%和82%，SVM模型的AUC值、准确率为0.89和87%，敏感度和特异度为83%和91%，NB模型的AUC值、准确率为0.69和74%，敏感度和特异度为75%和72%。基于LR模型预测效能最高。结论MRI影像组学模型对预测术前脑胶质瘤MGMT启动子甲基化的状态具有一定应用价值，4种模型预测效能中LR模型预测效能最高。

简介：摘要机器学习在脑肿瘤MRI中的应用已经成为当下研究热点，其对于脑肿瘤在术前、术中、术后各期的诊断和治疗均有较大临床价值。目前，机器学习在脑肿瘤的自动分割、分类和分型的辅助诊断、术中路径的辅助分析、预后预测、数据收集等方面都取得了较大进展，但其在广泛投入临床应用前尚需克服一些限制阻碍。期望未来临床医师可以将两个领域更好地结合，使其成为脑肿瘤诊疗过程中的重要工具。