结合DTI特征的结构连接体预测了手术后语言衰退及其在质瘤患者的恢复
Yukun Liu1, Meng Cui2, Xin Gao1,3
1Department of Neurosurgery, Chinese PLA General Hospital, 28 Fuxing Road, Haidian District, Beijing, 100853, China.
European radiology
|September 22, 2023
概括
预测质瘤手术结果:使用白质网络的机器学习模型准确预测患者的术后语言衰退和恢复潜力,有助于制定治疗策略.
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:
- 瘤手术后的语言下降会影响患者的生活质量.
- 预测和理解语言缺陷对于有效治疗至关重要.
研究的目的:
- 预测在质瘤手术后术后语言功能下降.
- 为了确定语言功能恢复的潜力.
- 为了这些预测,利用手术前白质结构网络.
主要方法:
- 对81名左半球质瘤患者的回顾性分析.
- 语言功能评估使用西非失言电池手术前和后.
- 结构连接组和扩散张量成像 (DTI) 功能用于嵌套交叉验证的预测建模.
主要成果:
- 模型准确地预测了语言衰退 (手术后1周和3个月) 和恢复.
- 实现了高精度 (例如,短期下降为0.840) 和ROC曲线下的面积 (例如,恢复为0.901).
- 识别了白质结构网络中的关键预测特征.
结论:
- 机器学习模型有效地预测了瘤手术后的语言衰退和恢复.
- 这些模型可以为治疗策略和患者管理提供信息.
- 特性差异表明,在大脑中存在语言保护和补偿的潜在机制.
