相关实验视频
Updated: Jul 5, 2025
08:51
Magnetic Resonance Imaging of Multiple Sclerosis at 7.0 Tesla
Published on: February 19, 2021
9.0K
在患有多发性硬化症的个体中,脑磁共振扫描显示了进展的放射性"警告信号"
Brendan S Kelly1,2,3,4, Prateek Mathur2, Gerard McGuinness5
1From the Department of Radiology (B.S.K., G.M., H.D., R.P.K.), St. Vincent's University Hospital, Dublin, Ireland brendanskelly@me.com.
AJNR. American journal of neuroradiology
|January 12, 2024
概括
使用放射学特征的机器学习模型可以通过分析大脑MRI成像来预测多发性硬化症 (MS) 的进展. 这种方法可以在正常的白质中识别早期的生物标志物,有助于疾病管理.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 多发性硬化症 (MS) 是一种慢性,渐进性的脱髓化疾病.
- 多发性硬化症的诊断和监测在很大程度上依赖于磁共振成像 (MR).
- 新的MRI成像病变是疾病进展的关键早期指标.
研究的目的:
- 评估一个机器学习模型,利用放射学特征来预测大脑MRI成像上的MS进展.
- 为了确定潜在的成像生物标志物,以早期检测MS进展.
主要方法:
- 进行了一项具有外部验证的回顾性队列研究.
- 来自多发性硬化症患者的纵向MR成像数据被用于机器学习.
- 从前列区域和看起来正常的白质中提取了放射性特征.
主要成果:
- 性能最好的模型 (XGBoost) 在测试组件上获得了高精度 (0.91),在外部验证中获得了良好的性能 (0.74).
- 主要的放射学特征与细分区域的异质性和灰色层次重视有关.
- 为了潜在的临床应用,生成了概率图.
结论:
- 基于放射学特征的机器学习模型可以有效地区分从看起来正常的白质物质的前列.
- 从看起来正常的白质中放射性特征显示出作为MS进展的成像生物标志物具有前途.
