Skip to main content
main-content

18.11.2019 | Original Article | Ausgabe 2/2020

Japanese Journal of Radiology 2/2020

Machine learning-based quantitative texture analysis of conventional MRI combined with ADC maps for assessment of IDH1 mutation in high-grade gliomas

Zeitschrift:
Japanese Journal of Radiology > Ausgabe 2/2020
Autoren:
Deniz Alis, Omer Bagcilar, Yeseren Deniz Senli, Mert Yergin, Cihan Isler, Naci Kocer, Civan Islak, Osman Kizilkilic
Wichtige Hinweise

Electronic supplementary material

The online version of this article (https://​doi.​org/​10.​1007/​s11604-019-00902-7) contains supplementary material, which is available to authorized users.

Publisher's Note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Purpose

To assess the performance of texture analysis of conventional magnetic resonance imaging (MRI) and apparent diffusion coefficient (ADC) maps in predicting IDH1 status in high-grade gliomas (HGG).

Materials and methods

A total of 142 patients with HGG were included in the study. IDH1 mutation was present in 48 of 142 HGG (33.8%). Patients were randomly divided into the training cohort (n = 96) and the validation cohort (n = 46). Texture features were extracted via regions of interest on axial T2WI FLAIR, post-contrast T1WI, and ADC maps covering the whole volume of the tumors. The training cohort was used to train the random forest classifier, and the diagnostic performance of the pre-trained model was tested on the validation cohort.

Results

The random forest model of conventional MRI sequences and ADC images achieved diagnostic accuracy of 82.2% and 80.4% in predicting IDH1 status in the validation cohorts, respectively. The combined model of T2WI FLAIR, post-contrast T1WI, and ADC images exhibited the highest diagnostic accuracy equating 86.94% in the validation cohort.

Conclusion

Texture analysis of conventional MRI sequences enhanced by ML analysis can accurately predict the IDH1 status of HGG. Adding textural analysis of ADC maps to conventional MRI results in incremental diagnostic performance.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

★ PREMIUM-INHALT
e.Med Interdisziplinär

Mit e.Med Interdisziplinär erhalten Sie Zugang zu allen CME-Fortbildungen und Fachzeitschriften auf SpringerMedizin.de. Zusätzlich können Sie eine Zeitschrift Ihrer Wahl in gedruckter Form beziehen – ohne Aufpreis.

Jetzt e.Med bestellen und 100 € sparen!

Weitere Produktempfehlungen anzeigen
Zusatzmaterial
Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 2/2020

Japanese Journal of Radiology 2/2020 Zur Ausgabe
  1. Sie können e.Med Radiologie 14 Tage kostenlos testen (keine Print-Zeitschrift enthalten). Der Test läuft automatisch und formlos aus. Es kann nur einmal getestet werden.

Neu im Fachgebiet Radiologie

Meistgelesene Bücher aus der Radiologie

2016 | Buch

Medizinische Fremdkörper in der Bildgebung

Thorax, Abdomen, Gefäße und Kinder

Dieses einzigartige Buch enthält ca. 1.600 hochwertige radiologische Abbildungen und Fotos iatrogen eingebrachter Fremdmaterialien im Röntgenbild und CT.

Herausgeber:
Dr. med. Daniela Kildal

2011 | Buch

Atlas Klinische Neuroradiologie des Gehirns

Radiologie lebt von Bildern! Der vorliegende Atlas trägt dieser Tatsache Rechnung. Sie finden zu jedem Krankheitsbild des Gehirns Referenzbilder zum Abgleichen mit eigenen Befunden.

Autoren:
Priv.-Doz. Dr. med. Jennifer Linn, Prof. Dr. med. Martin Wiesmann, Prof. Dr. med. Hartmut Brückmann

Mail Icon II Newsletter

Bestellen Sie unseren kostenlosen Newsletter Update Radiologie und bleiben Sie gut informiert – ganz bequem per eMail.

Bildnachweise