通过扩散MRI指标,机器学习和自动化纤维束细分来改善结质瘤相关失言症的预测
Boshra Shams1,2, Klara Reisch1, Peter Vajkoczy1
1Department of Neurosurgery, Charité - Universitätsmedizin Berlin, Berlin, Germany.
Human brain mapping
|June 15, 2023
概括
机器学习通过分析白质道,准确地预测质瘤患者的失言症. 扩散MRI指标和特定的纤维捆绑,如弧形囊是关键预测指标.
科学领域:
- 神经科学是一个神经科学.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 质瘤可能会由于白质损伤导致功能障碍.
- 在质瘤透到语言网络的患者中预测失言症对于患者护理至关重要.
研究的目的:
- 用机器学习来预测质瘤患者的失言症.
- 为了确定关键的白质纤维束和与失语相关的扩散MRI指标.
主要方法:
- 利用扩散磁共振成像 (dMRI) 和机器学习 (SVM) 在78名患有左半球围结质瘤的患者身上.
- 从细分纤维束中提取dMRI指标 (AD,ADC,FA,RD) 和相对通道体积.
- 使用随机森林进行特征选择,然后使用支向量机 (SVM) 分类器.
主要成果:
- 在预测失言症方面达到81%的准确性,具有85%的特异性和85%的AUC.
- 确定了弧形囊 (AF),中间纵向囊 (MLF) 和下面的前后囊 (IFOF) 作为最重要的纤维束.
- 发现分数异构性 (FA),明显扩散系数 (ADC) 和轴向扩散性 (AD) 是最有效的dMRI指标.
结论:
- 机器学习模型可以有效地预测质瘤患者的失语症.
- 基于dMRI的特征,特别是来自AF,IFOF和MLF的特征,对于预测失言症至关重要.
