基于voxel和tensor的形态测量与机器学习技术识别特征性大脑损伤在宫脊髓炎患者的肌肉病变
Yang Wang1,2, Rui Zhao3, Dan Zhu2,4
1Department of Radiology, Tianjin Medical University General Hospital, Tianjin, China.
Frontiers in neurology
|February 29, 2024
概括
椎脊髓炎 (CSM) 诊断可以使用先进的MRI技术,如基于voxel的形态测量 (VBM) 和基于张量形态测量 (TBM) 来改进. 这些方法在CSM患者中以高精度识别了大脑结构变化,有助于开发新的诊断策略.
科学领域:
- 神经成像是一种神经成像.
- 神经学 神经学
- 机器学习 机器学习
背景情况:
- 宫脊髓炎 (CSM) 诊断依赖于成像,但需要提高精度.
- 新的MRI技术与机器学习相结合,可以提高CSM诊断.
研究的目的:
- 探索大脑生物标志物,以准确的CSM诊断.
- 将基于voxel的形态学 (VBM) 和基于张量的形态学 (TBM) 与机器学习相结合.
主要方法:
- 对57名CSM患者和57名健康对照者的回顾性研究.
- VBM分析了灰色和白色物质体积变化.
- TBM测量了灰色和白色物质的变形.
- 支持矢量机 (SVM) 将CSM患者从对照组分类.
主要成果:
- CSM患者在感觉运动,视觉,认知和皮层下区域出现结构异常.
- VBM和TBM成功识别了CSM患者,准确度为81.58% (AUC:0.85).
- 分类是基于特征性的灰色和白质损伤.
结论:
- CSM可能会导致大脑结构的广泛损伤.
- 这项研究为开发新的CSM诊断策略提供了一个参考.
