使用基于纹理的肌肉超声波图像分析和机器学习技术评估和预测脆弱的风险
Rebeca Mirón-Mombiela1, Silvia Ruiz-España2, David Moratal2
1Department of Physiology, Universitat de València/INCLIVA, Avda. Blasco Ibáñez, 15, 46010 Valencia, Spain; Hospital General Universitario de Valencia (HGUV), Valencia, Spain; Herlev og Gentofte Hospital, Herlev, Denmark.
Mechanisms of ageing and development
|September 4, 2023
概括
超声波纹理分析准确地识别了脆弱的表型,并预测了死亡风险. 这种肌肉成像技术为评估健康状况和改善患者结果提供了一个有前途的工具.
科学领域:
- 老年学是指老年学的学科.
- 医疗成像医学成像
- 生物统计学 生物统计学
背景情况:
- 虚弱现象型是老年人不良健康结果的重要预测因素.
- 目前的脆弱性评估方法可能耗时且主观.
- 需要对脆弱性的客观和可靠的生物标志物.
研究的目的:
- 为了评估基于纹理的肌肉超声波图像分析,以评估脆弱的表型.
- 评估肌肉超声波纹理特征对死亡率和并发症的预测能力.
主要方法:
- 对从101名参与者获得的前性超声波数据的回顾性分析.
- 前大腿的超声波扫描,专注于大腿直肠和大中间肌肉.
- 计算43个纹理特征,并应用机器学习模型进行分类和预测.
主要成果:
- 纹理分析模型在分类脆弱性方面取得了中等到良好的表现 (AUC 0.670.79).
- 模型正确地分类了7087%的病例,使用阶段式多重逻辑回归.
- 肌肉超声波特征与预先脆弱和脆弱个体的并发症增加和预测死亡率有关.
结论:
- 肌肉超声波图像的纹理分析是识别脆弱现象型的可行方法.
- 这种方法显示出风险预测的潜力,特别是老年人死亡率.
- 将肌肉超声波纹理分析与机器学习相结合,为脆弱性评估提供了一个新的工具.
