基于机器学习的多序MRI放射学在诊断前十字带撕裂的应用

科学领域:

• 放射学 放射学是一门学科.
• 机器学习 机器学习
• 整形外科 整形外科 整形外科

背景情况:

• 前十字带 (ACL) 撕裂是一种常见的膝盖损伤.
• 准确诊断ACL撕裂对于有效的治疗和患者的结果至关重要.
• 多序磁共振成像 (MRI) 提供了详细的解剖学可视化.

研究的目的:

• 为了比较各种机器学习算法用于ACL撕裂检测的诊断性能,使用多序MRI放射学.
• 开发和验证ACL撕裂的最佳诊断模型.

主要方法:

• 对526名患者 (178名ACL撕裂,348名ACL正常) 的回顾性分析.
• 从T1权重和质子密度 (PD) 权重的MRI序列中提取的放射学特征.
• 使用ICC,t测试和LASSO进行特征选择;评估了五个分类器 (LR,SVM,KNN,LightGBM,MLP).
• 用于构建PD,T1和组合模型的最佳分类器,通过AUC,校准曲线和决策曲线分析进行评估.

主要成果:

• 从2032年的初始特征中选择了48个放射学特征.
• 基于支持矢量机 (SVM) 的多序射电学实现了卓越的性能.
• 获得了高AUC (0.973培训,0.927验证),灵敏度 (0.933培训,0.857验证) 和特异性 (0.930培训,0.829验证).

结论:

• 基于机器学习的多序MRI放射学证明了ACL撕裂的出色诊断能力.
• 这种方法可以作为诊断膝盖损伤的准确和客观的补充工具.
• 为管理ACL损伤的临床决策提供了宝贵的见解.