相关实验视频
Updated: Jul 6, 2025
06:23
Diagnosis and Surgical Treatment of Human Brucellar Spondylodiscitis
Published on: May 23, 2021
4.9K
基于MRI的可解释的放射性指标图用于区分布鲁塞拉脊髓炎和Pyogenic脊髓炎
Parhat Yasin1, Yasen Yimit2, Dilxat Abliz3
1Department of Spine Surgery, The First Affiliated Hospital of Xinjiang Medical University, Urumqi, Xinjiang, 830054, China.
Heliyon
|January 4, 2024
概括
结合MRI和临床数据的新型放射性脊柱图准确地区分了皮原性脊柱炎 (PS) 与布鲁塞拉脊柱炎 (BS). 这种工具有助于精确诊断这些严重的脊髓感染的有效治疗.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 机器学习在医学中的应用
背景情况:
- 热性脊柱炎 (PS) 和布鲁塞拉脊柱炎 (BS) 是常见的脊柱感染,具有相似的临床和成像特征,使诊断复杂化.
- 延迟诊断PS和BS可以导致脊椎破坏,阴影症和神经缺陷,强调需要准确的区分.
- 在临床实践中,区分PS和BS是具有挑战性的,需要先进的诊断工具.
研究的目的:
- 开发和评估使用磁共振成像 (MRI) 进行放射学名图,以准确区分PS和BS.
- 为了比较常规临床模型,放射学评分和整合两者的复合模型的诊断性能.
主要方法:
- 对MRI和133名病理确诊PS (68) 和BS (65) 患者的临床数据的回顾性分析.
- 开发一个临床模型 (M1) 使用后勤回归和一个放射学得分 (M2) 使用LASSO回归的特征从松体脂肪抑制T2加权成像 (FS-T2WI).
- 通过结合M1和M2创建一个复合模型 (M3),使用ROC曲线,校准和决策曲线分析评估性能.
主要成果:
- 一个复合模型 (M3) 在测试组中达到0.868的曲线下面面积 (AUC),实现了最高的诊断性能,超过了临床模型 (AUC 0.795) 和放射学得分 (AUC 0.859).
- 复合模型显示出优异的校准和临床实用性,如决策曲线分析所示.
- 为了提高模型预测的可解释性,使用了夏普利添加式扩展 (SHAP).
结论:
- 整合MRI衍生的放射特征和临床数据的诺米图显著提高了区分PS和BS的准确性.
- 这种放射性名图为临床环境中精确诊断提供了一个有前途的工具,为脊髓感染提供了个性化治疗策略.
