用超极化-129肺磁共振成像来建模一氧化碳的整个肺和肺区域转移因子的框架
Jemima H Pilgrim-Morris1, Laurie J Smith1, Helen Marshall1,2
1POLARIS, Section of Medical Imaging and Technologies, Division of Clinical Medicine, School of Medicine and Population Health, University of Sheffield, Sheffield, UK.
ERJ open research
|February 11, 2025
概括
一个随机森林模型使用129核磁共振 (MRI) 准确预测肺转移因子 (TL). 这种方法可以实现气体交换的区域可视化,改善肺部疾病的临床解释.
科学领域:
- 肺部医学 肺部医学
- 医疗成像医学成像
- 生物物理学的生物物理.
背景情况:
- 肺部气体交换是使用肺部转移因子 (TL) 对一氧化碳 (TLCO) 进行评估的.
- 吸入129 (129Xe) 磁共振成像 (MRI) 为评估气体交换提供了一种替代方法.
- 从129XeMRI估计TL的现有模型缺乏完整的验证,并且不利用空间信息.
研究的目的:
- 从129XeMRI指标来预测TL的三个模型进行比较.
- 验证一个随机森林模型来预测TL和生成区域TL地图.
- 评估129XeMRI衍生TL图的临床实用性,用于区域气交换可视化.
主要方法:
- 我们比较了三个模型:基于生理学的模型,多变量线性回归和随机森林回归.
- 在150名喘和/或慢性肺炎患者的数据上训练模型.
- 随机森林模型被应用到129XeMRI图像上,以创建区域TL地图.
主要成果:
- 所有模型都表现出良好的预测准确度,小平均绝对误差 (MAE).
- 随机森林模型实现了最低的MAE (0.995±0.129 mmol·min-1·kPa-1),并在验证组中显示出良好的概括性.
- 预测TL图的全肺总和与测量TLCO (MAE=1.18 mmol·min−1·kPa−1) 一致.
结论:
- 一个随机森林回归框架从129XeMRI指标提供了TLCO的最佳预测.
- 随机森林模型的Voxel-wise应用生成参数TL地图,使区域可视化成为可能.
- 这种方法为129Xe气交MRI的临床解释提供了有价值的工具.
更多相关视频
08:23Author Spotlight: Advancing Lung Disease Research with Free-Breathing Hyperpolarized Xenon-129 MRI
Published on: November 10, 2023
557
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
520
