扩散张力和曲解MRI基于脏损伤的放射学分析2型糖尿病的脏损伤
Daoyu Yang1,2, Chong Tian2,3, Jian Liu1,2
1Engineering Research Center of Text Computing & Cognitive Intelligence, Ministry of Education, Key Laboratory of Intelligent Medical Image Analysis and Precise Diagnosis of Guizhou Province, State Key Laboratory of Public Big Data, College of Computer Science and Technology, Guizhou University, Guiyang, China.
Journal of magnetic resonance imaging : JMRI
|February 1, 2024
概括
使用扩散曲解成像 (DKI) 和扩散张力成像 (DTI) 的放射学模型显示出在2型糖尿病 (T2DM) 中检测糖尿病病 (DKD) 的前景. 一个结合的放射学签名准确地识别T2DM和DKD的非侵入性.
科学领域:
- 医疗成像医学成像
- 放射学 放射学是一门学科.
- 腎臟病學 (nephrology) 是一種醫學.
背景情况:
- 糖尿病病 (DKD) 的评估受益于扩散张力成像 (DTI) 和扩散形成像 (DKI) 提供的定量参数.
- 将放射学与DTI和DKI结合起来,显示了在DKD检测中具有临床价值的潜力.
研究的目的:
- 研究DKI和DTI的放射学模型,用于预测2型糖尿病 (T2DM) 中的DKD.
- 为了评估这些模型在自动膜细分中的性能.
主要方法:
- 一项前性研究涉及163名T2DM患者 (87名DKD患者),随机分为培训 (N=114) 和验证 (N=49) 队列.
- 用1.5-T的扩散光谱成像 (DSI) 和9个b值来生成DKI和DTI参数图 (FA,MD,AD,RD).
- 斯温UNETR模型用于膜细分;采用ROC曲线,AUC和DeLong测试提取放射学特征并评估模型.
主要成果:
- DKI_MD实现了最好的细分性能 (DSC,0.925 ± 0.011). 在此过程中,DKI_MD实现了最好的细分性能 (DSC,0.925 ± 0.011).
- 一种联合放射学模型 (DTI_FA,DTI_MD,DKI_FA,DKI_MD,DKI_RD) 显示出最高的性能 (AUC,0.918;95% CI:0.820-0.991).
- 结合模型在值概率超过20%时提供了最大的净益;DTI_FA在单个参数中显示出优异的诊断性能 (AUC,0.887;95%CI:0.779-0.972).
结论:
- 基于DKI和DTI的放射学签名可以作为准确的,非侵入性的工具来识别T2DM和DKD.
- 这种方法有可能改善糖尿病病的诊断和管理.
