在有理查森综合征和变异性表型的渐进性超核麻中脑部MRI

科学领域:

• 神经成像是一种神经成像.
• 机器学习 机器学习
• 神经学 神经学

背景情况:

• 大脑磁共振成像 (MRI) 有助于进行渐进性超核性 (PSP) 诊断.
• 各种MRI标记物和分类方法的有效性,特别是非理查森综合征 (非RS) PSP变体的有效性,仍然不清楚.

研究的目的:

• 为了比较视觉,手动测绘和自动体积核磁共振分析策略用于PSP检测.
• 评估MRI数据的完全自动分类,以识别PSP,包括理查森综合征 (RS) 和变异PSP (vPSP) 亚型.

主要方法:

• 分析了41名PSP患者 (21名RS,20名vPSP) 和46名对照患者的T1加权MRI扫描.
• 使用了三种视觉阅读策略:描述性标志,手动平面测量和自动体积测量.
• 一个支持矢量机 (SVM) 分类器使用基于图谱的体积计来进行完全自动的PSP分类.

主要成果:

• 所有方法的特异性高于灵敏度,vPSP病例往往产生虚假阴性.
• 在视觉策略中,自动体积测量支持的准确度最高 (75.1%).
• 完全自动的SVM分类实现了卓越的准确性 (87.4%),并为vPSP提供了临床有用的灵敏度 (70.0%).

结论:

• 使用机器学习对体积MRI数据进行全自动分类,超过了用于PSP诊断的视觉分析.
• 这种自动化方法对vPSP特别有效,这表明它在各种PSP呈现中具有实用性.
• 基于机器学习的MRI分析为诊断PSP在其表型谱中提供了一个有前途的工具.