协调对MRI辐射学特征变化的影响 跨帕金森病运动亚型分类预处理方法的放射学特征变化
Mehdi Panahi1, Mahboube Sadat Hosseini2
1Department of Computer Engineering, Payame Noor University Erbil Branch, Erbil, Iraq. mitipanahi@gmail.com.
Journal of imaging informatics in medicine
|November 11, 2024
概括
康巴协同显著改善了MRI放射性特征可重现性和帕金森病 (PD) 运动亚型分类准确性. 这提高了放射学对个性化PD治疗计划的可靠性.
科学领域:
- 神经成像是一种神经成像.
- 无线电学 (Radiomics) 是一种放射学.
- 机器学习 机器学习
背景情况:
- 使用MRI衍生的放射性特征进行帕金森病 (PD) 运动亚型的分类是具有挑战性的,因为预处理的可变性.
- 在不同MRI扫描仪和方法中标准化放射性特征提取对于可靠的分析至关重要.
研究的目的:
- 评估MRI放射性特征在PD电机亚型分类的预处理方法中的可重现性.
- 评估ComBat协调对功能稳定性和机器学习性能的影响.
主要方法:
- 分析了PD患者和对照者的T1加权MRI扫描.
- 从16个大脑区域中提取了放射性特征,使用各种预处理管道.
- 为了解决扫描仪和预处理变异,应用了ComBat协调,随后进行了特征选择和支持矢量机器分类.
主要成果:
- 康巴特协调显著改善了放射性特征的可重复性,使强大的特征从40.2%增加到56.3%.
- 一级统计特征在协调后显示出最高的稳定性 (71.11%的ICC优秀).
- 在协调后,PD电机亚型的分类准确性从34-75%大幅提高到89-96%.
结论:
- 为了提高放射性特征可重现性和提高PD电机亚型分类准确性,ComBat协调是必不可少的.
- 标准化放射学分析为帕金森病的个性化治疗计划提供了希望.
