基于CT的机器学习放射学分析来诊断甲状腺功能障碍视觉神经病变
Lan Ma1, Xue Jiang1, Xuan Yang1
1Beijing Tongren Eye Center, Beijing Tongren Hospital, Beijing Ophthalmology and Visual Science Key Lab, Capital Medical University, Beijing, China.
Seminars in ophthalmology
|February 19, 2025
概括
这项研究开发了基于CT的机器学习放射学模型,用于诊断脱甲状腺视神经病变 (DON). 这些模型显示出出色的诊断能力,可能提高了DON诊断的便利性.
科学领域:
- 眼科医生 眼科 眼科
- 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:
- 甲状腺视神经病变 (DON) 是甲状腺相关眼科病变 (TAO) 的视力威胁性并发症.
- 准确及时诊断DON对于有效管理至关重要.
- 当前的诊断方法可能有局限性,需要先进的成像技术.
研究的目的:
- 开发和验证基于计算机断层扫描 (CT) 的机器学习放射学模型,用于诊断双甲状腺视神经病变 (DON).
主要方法:
- 一项回顾性研究包括57名TAO患者,CT扫描分析了放射性特征.
- 使用Pyradiomics提取特征,并通过LASSO回归进行选择.
- 随机森林,SVM和LR模型使用ROC曲线和AUC进行训练和验证.
主要成果:
- 使用LASSO回归识别了五个信息性的放射学特征.
- 模型在测试组中达到AUC从0.80到0.86不等.
- 随机森林,SVM和LR模型之间没有发现显著差异.
结论:
- 基于CT的机器学习放射学分析显示了DON的出色诊断能力.
- 这些模型为提高DON诊断的方便性和准确性提供了一个有前途的工具.
- 进一步的研究可能会探索将其整合到临床工作流程中,以改善患者的治疗结果.


