用T₁-和T₂-Relaxation地图用于肝纤维化分类的纹理分析的诊断准确性,通过使用肝脏组织学作为参考标准的机器学习算法来进行肝纤维化分类

科学领域:

• 医疗成像医学成像
• 放射学 放射学是一门学科.
• 计算病理学计算病理学

背景情况:

• 肝纤维化是一个重要的健康问题.
• 准确的肝纤维化阶段测定对于患者的治疗至关重要.
• 非侵入性成像技术对于纤维化评估越来越重要.

研究的目的:

• 评估T1和T2放松图上纹理分析的有效性,以对肝纤维化进行分类.
• 为了比较纹理分析与磁共振弹性图 (MRE) 的性能.
• 探索机器学习算法在肝纤维化分类中的潜力.

主要方法:

• 对3T磁力共振成像数据的回顾性分析,来自经过组织学检查的患者.
• 从T1 (TA-T1) 和T2 (TA-T2) 地图中提取纹理特征,使用灰级共发生矩阵.
• 应用支持矢量机器算法与主要组件分析和递归特征消除与交叉验证 (RFECV) 进行分类.
• 使用接收器操作特征曲线 (AUC) 下面的面积来评估模型性能.

主要成果:

• 对T1图 (TA-T1) 的纹理分析与MRE (AUC 0.748与0.759) 相比进行.
• 单独T1映射的表现略低于MRE (AUC为0.692比0.759).
• MRE显著超过了T2映射和TA-T2.
• 结合TA-T1和MRE的组合模型显示性能有所改善,尽管在统计学上并不显著.

结论:

• 对T1图的纹理分析是肝纤维化分类的可行工具,与MRE相似.
• 将T1映射与MRE相结合,显示了增强纤维化评估的潜力.
• 由于其可用性和效率,推T1映射用于例行临床和研究肝脏检查.