目的:研究酰胺质子转移加权(amide proton transfer-wBemcentinib浓度eighted,APTw)评估成人弥漫性胶质瘤的肿瘤实质区域(tumor region,TR)和瘤周区域(peritumoral region,PTR)并预测分子亚型的价值。建立基于APTw图像的深度学习网络模型,以帮助术前无创性预测肿瘤分子亚型。材料与方法:回顾性研究78例弥漫性胶质瘤患者(29例少突胶质细胞瘤IDH突变伴1/19q共缺失,30例星形细胞瘤IDH突变,19例胶质母细胞瘤IDH野生)。通过直方图分析比较了不同分子亚组APTw5、APTw50(即平均值)、APTw90和ADC5、ADC50、ADC90值的差异。多分类受试者工作特征(ROC)曲线用于分析APTw和ADC成像的不同定量参数。建立了多分类逻辑回归模型来预测成人弥漫性胶质瘤分子亚型。以切片为单位,按照60%:20%:20%的比例划分训练集(n=214)、测试集(n=71)及验证集(n=65)。对图像进行预处理后,应用34层残差网络(Residual Networks34,Res Net34)对成人弥漫性胶质瘤进行分类。比较三种输入方式的模型分类准确率:模型一输入零化矩阵、T1增强图像及ADC图像;模型二输入APTw图像、T1增强图像及ADC图像;模型三输入APTw图像、T1增强图像、ADC图像及临床信息、影像学形态特征和定量数据。ROC曲线及95%置信区间被用于评价分析模型。Grad-CAM热力图用于深度学习模型可视化。本研究p<0.05被认为具有统计学意义。结果:APTw90值可以很好地区分胶质瘤的三种亚型(p<0.05)。结合了ADC、APT、形态学特征和临床信息的逻辑回归模型,在多分类ROC曲线评估各项参数时表现更好(准确度=0.83,95%CI:0.64-0.92),AUC为0.95(95%CI:0.88-0.98)。结合APTw、ADC、T1增强及形态学特征和定量数据的Res Net34模型总体准确率(72.31%,95%CI:0.62-0.82)较其他模型明显提升。结论:Kidney safety biomarkers与ADC相比,APTw成像更适合作为区分神经胶质瘤分子亚型的可靠生物标志物。基于APTw图像的多模态Res Nselleck化学et34深度学习模型与临床信息、影像形态学特征及定量数据的组合,为术前无创性分型提供了另一种可靠的选择。