相关实验视频
Updated: Jun 28, 2025
09:30
Quantitative Magnetic Resonance Imaging of Skeletal Muscle Disease
Published on: December 18, 2016
19.5K
探索基于H&E图像的放射特征作为评估肌肉缩的潜在生物标志物:初步研究
Getao Du1, Peng Zhang2, Jianzhong Guo3
1School of Life Science and Technology, & Engineering Research Center of Molecular and Neuro Imaging, Ministry of Education, Xidian University, Xi'an, Shaanxi, 710126, China.
Journal of imaging informatics in medicine
|April 23, 2024
概括
这项研究引入了H&E图像中的放射学,作为评估肌肉缩的新方法. 纹理特征显示为准确诊断的生物标志物有前途,改善了定量分析.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 数字病理学数字病理学
- 定量生物学 定量生物学
背景情况:
- 放射性特征是疾病诊断的新兴生物标志物.
- 来自血素和 (H&E) 图像的放射性图像对于肌肉缩评估的实用性仍然未被探索.
- 准确的定量评估肌肉缩对于临床应用至关重要.
研究的目的:
- 建立一种新的基于放射学的生物标志物,使用H&E图像进行定量肌肉缩评估.
- 为了研究放射学特征提取从H&E图像进行肌肉缩评估的可行性和可靠性.
- 为了确定与肌肉缩相关的特定放射性特征.
主要方法:
- 在身上建立了一个无重量肌肉缩模型,使用从对照组和床上休息组收集的腿部肌肉纤维的H&E图像.
- 开发了一种利用对比学习的半监督细分框架,用于准确的肌肉纤维细分.
- 放射学特征被提取,使用LASSO方法进行选择,并使用支向量机 (SVM) 分类器进行分析.
主要成果:
- 与手动细分相比,半监督细分实现了较高的相关系数 (斯皮尔曼的88%,ICC 86%).
- 放射学模型在评估肌肉缩方面表现出很高的准确性,曲线下的面积 (AUC) 为96.87%.
- 在单个特征分析中,纹理特征GLSZM_SZE显示出优异的性能 (AUC 91.5%,精度84.4%).
结论:
- 使用半监督分段从H&E图像中提取特征是放射学研究的一个可行和可靠的方法.
- 来自H&E图像的放射性纹理特征为定量肌肉缩评估提供了显著的优势.
- 这项研究为准确诊断和评估肌肉缩提供了新的生物标志物.
