MR T1WI影像组学对结核性脊柱炎与布鲁菌性脊柱炎的诊断价值
何雄1
陈艳丽2
帕哈提·吐逊江1
夏雨薇3
刘文亚1
郭辉1
1.新疆医科大学第一附属医院影像中心,新疆 乌鲁木齐 8300542.新疆医科大学第四临床医学院,新疆 乌鲁木齐 8300543.慧影医疗科技(北京)有限公司,北京 100089
摘要：目的 探讨MR T1WI影像组学的机器学习在结核性脊柱炎(TS)与布鲁菌性脊柱炎(BS)的鉴别诊断价值.方法 回顾性收集我院经临床和实验室确诊的77例TS患者与34例BS患者的临床资料.按0.8:0.2的比例将病例分为训练集(n=88)和验证集(n=23).首先由2位经验丰富的影像诊断医生对MR T1WI勾画感兴趣区域并提取MR T1WI影像组学特征,然后采用方差选择法、单变量特征选择法、最小绝对收缩与选择算子算法对组学特征信息进行选择和降维处理,挑选8项最具有特征的值.应用极限梯度增强法、Logistic回归法、支持向量机法、K邻近法4种机器学习算法构建MR T1WI影像组学在辨别确诊TS与BS模型.采用ROC曲线及曲线下面积(AUC)评判模型的确诊效能.结果 极限梯度增强模型的AUC为0.80(95％CI:0.59～1.00),准确度为0.83;Logistic回归模型的AUC为0.85(95％CI:0.65～1.00),准确度为0.78;支持向量机模型的AUC为0.79(95％CI:0.62～0.97),准确度为0.78;K邻近法模型的AUC为0.75(95％CI:0.53～0.98),准确度为0.83.验证集中,Logistic回归模型的确诊效能最高.结论 MR T1WI影像组学的机器学习在鉴别TS与BS的诊断效能较高,Logistic回归模型表现出更优的诊断效能.
关键词：结核性脊柱炎布鲁菌性脊柱炎影像组学机器学习磁共振成像
资助基金：国家重点实验室开放基金(SKL-HIDCA-2021-22)
论文发表日期：2023-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 442-447 )
英文信息