脑胶质瘤空间-时间异质性的多模态磁共振自动定量分析方法及其影像基因组学应用

Glioma is the most refractory brain tumor due to its spatial-temporal heterogeneity. Quantitative magnetic resonance imaging (MRI) analysis provides new methodology for investigating the glioma heterogeneity. However, current studies have not deeply involved the spatially-temporally evolutionary heterogeneity. The infiltrative growth-induced ambiguous tumor boundary, dynamically-changed intra-tumor subregional shape and texture features present substantial challenges in automatic quantitative imaging analysis. This proposal focusing on the challenging scientific problems such as glioma subregion segmentation, evolutionary quatitative image feature extraction and heterogeneity analysis, aims to present a novel study on glioma spatial-temporal heterogeneity using quantitative analysis of multimodal longitude MRI. First, we establish a uniform mathematical model dynamically describing the tumor subregional growth and mass effect together, and then build a novel probabilistic brain atlas containing the glioma dynamic growth model. Guided by this atlas, we establish a joint automatic registration and segmentation framework for glioma subregion using multimodal longitude MRI, obtaining the tumor segmentation from multi-stage multi-modality MRI. Next, we extract high-throughput robust evolutionary quantitative MRI features for tumor subregion. Finally, we investigate the association between the evolutionary quantitative MRI features and the glioma spatial-temporal heterogeneity by means of a radiogenomic analysis method, exploring new imaging biomarker of glioma molecular subtype and prognosis. The goal of this project is to provide novel idea and new method for quantitative MRI heterogeneity analysis and personalized therapy of glioma.

脑胶质瘤空间-时间异质性导致其治疗困难。定量磁共振分析为肿瘤异质性研究提供了新方法。然而，现有研究尚未深入到肿瘤空间-时间演进异质性的层次。胶质瘤浸润性边界模糊，瘤内活跃区、坏死区和水肿区形状纹理复杂且随肿瘤生长而变化，为空间-时间异质性自动定量影像研究带来挑战。本项目从肿瘤子区域分割、演进性定量特征提取和异质性分析等挑战性科学问题切入，拟开展胶质瘤空间-时间异质性的多模态纵向磁共振自动定量研究。首先对瘤内区域生长特性及占位效应进行统一数学描述，建立包含肿瘤生长动力学模型的脑概率图谱；在图谱引导下建立瘤内区域的多模态纵向磁共振联合配准分割方法，实现多时间点多模态肿瘤自动分割；进而提取高通量的肿瘤分区演进性鲁棒定量特征；采用影像基因组学方法研究演进性定量特征和肿瘤空间-时间异质性的关联，探索分子诊断和预后的新型影像标记物。旨在为脑胶质瘤异质性自动定量磁共振研究和个性化诊疗提供新思路和新方法。

脑胶质瘤在基因、病理等多个层次存在异质性，这种异质性导致WHO相同的脑胶质瘤在治疗响应和预后等方面差异较大，也是目前强调个性化诊疗的主要原因之一。磁共振影像智能分析为脑胶质瘤异质性的术前无创定量研究提供了新方法。本项目以多种序列的术前磁共振影像为研究对象，结合分子病理结果和临床资料，以影像组学和深度学习技术为主要研究方法，研究内容包括脑胶质瘤子区域分割、高通量定量特征提取、分子诊断/预后新型影像学标记物构建。以第一标注发表期刊论文6篇，发表国际会议论文4篇。申请发明专利6件。本项目重要结果、关键数据和科学意义如下：.1、影像组学分析模型及软件系统：建立了一整套的影像组学分析方法，包括医学影像灰度值归一化和几何属性标准化、高通量的灰度/纹理/几何定量特征提取、特征选择、机器学习建模以及统计分析和性能评估。并开发了开源的影像组学分析软件OpenRadiomics，目前已在Github上发布1.0版本，项目地址为：.https://github.com/UltimageTK/OpenRadiomics .2、影像组学深度学习预测生存期：采用术前磁共振影像进行脑胶质瘤生存期预测。研发了基于3D残差网络自编码器的脑胶质瘤自动分割方法并参加了Brats2019脑胶质瘤分割竞赛，肿瘤分割DICE系数在独立测试集达到0.83，文章已被接受。研发了基于影像组学深度学习的生存期预测算法，在独立测试集C-index达到0.739，发表了相关期刊论文2篇，其中一篇入选ESI高被引论文。.3、影像组学预测分子标志物：采用术前磁共振预测脑胶质瘤两个关键分子标志物，即IDH突变和MGMT启动子甲基化状态。基于手术取样的检测方法是有创的，且单次取样可能会造成空间误差。影像组学方法可以实现术前无创预测，且可以描述整个肿瘤的影像学表征。在独立测试集上，预测IDH突变的精度为96%，预测MGMT甲基化状态的精度为80%，发表相关期刊论文2篇。