多中心研究预测术后上肢肌肉强度改善椎脊髓损伤患者使用放射学和深度学习

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 椎脊髓损伤 (SCI) 通常会导致不可逆转的损伤.
• 磁共振成像 (MRI) 是评估SCI的标准.
• 预测SCI预后对于患者管理至关重要.

研究的目的:

• 评估使用传统MRI预测SCI预后的放射学方法的准确性.
• 评估机器学习模型在识别预测放射性特征方面的性能.
• 确定基于深度学习的放射学在评估术后SCI结果中的实用性.

主要方法:

• 来自三家医院的82名SCI患者的回顾性分析.
• 使用3D感兴趣区域 (ROI) 进行手术前T2加权MRI的细分.
• 放射性和深度转移学习特征的提取和协调 (Z-score,ComBat).
• 使用贪算法和LASSO进行特征选择,然后进行放射学得分计算.
• 机器学习模型,包括随机森林 (RF) 和ResNet34,用于预测.

主要成果:

• 单变量分析显示,预后组之间没有显著的人口差异.
• 射频模型与放射学和ResNet34相结合,实现了0.800.00的精度.
• 该模型在测试数据集中显示了0.893的高曲线下面积 (AUC).
• 基于深度学习的放射学信号显示出显著的预测价值.

结论:

• 传统MRI的放射学分析有望预测椎脊髓损伤的预后.
• 机器学习模型,特别是具有深度学习功能的射频模型,可以准确预测患者的结果.
• 这种非侵入性成像方法可以帮助评估和管理SCI患者.