对用于预测腰椎间盘的机器学习算法的研究
Hikmet Kocaman1, Hasan Yıldırım2, Ayşenur Gökşen3
1Physiotherapy and Rehabilitation, Faculty of Health Sciences, Karamanoğlu Mehmetbey University, Karaman, 70100, Turkey. kcmnhikmet@gmail.com.
Medical & biological engineering & computing
|August 3, 2023
概括
机器学习使用脊柱肌肉和血管的MRI测量准确预测腰椎间盘 (LDH). 关键指标包括四角腰部和腹腔大动脉横截面区域,以改善LDH预测.
科学领域:
- 生物医学工程 生物医学工程
- 放射学 放射学是一门学科.
- 医疗保健中的机器学习
背景情况:
- 腰椎间盘 (LDH) 的患病率正在增加,影响患者的生活质量.
- 确定可靠的LDH风险因素和预测标志物对于早期干预至关重要.
研究的目的:
- 开发和评估用于预测LDH的机器学习模型.
- 从腰椎MRI测量中确定关键的预测因素.
主要方法:
- 利用了344个人的MRI扫描 (264个LDH,80个健康).
- 分析了腰部斜腰曲线,副脊髓肌肉CSA和腰部血管CSA.
- 应用了十个机器学习算法,其中包括参数调整和交叉验证.
主要成果:
- 在多个分类指标中,XGBoost算法实现了最高的性能.
- 腹骨和腹腔大动脉的横截面区域被确定为LDH的显著预测因素.
- 变量重要性分析突出了用于LDH预测的特定解剖测量.
结论:
- 机器学习模型可以有效地使用特定的MRI衍生的解剖测量来预测LDH.
- 腰部正方形和腹腔大动脉CSA是LDH预测的可靠指标.
- 开发的模型和确定的变量可以帮助医疗保健专业人员准确的LDH诊断.
