建立和验证基于ResNet的放射学模型,用于预测椎脊髓损伤患者的预后
Zifeng Zhang1, Ning Li2, Yi Ding3
1School of Medicine, Southeast University, Nanjing, China.
Scientific reports
|March 18, 2025
概括
这项研究开发了一种使用成像和临床数据的综合模型,以预测椎脊髓损伤 (cSCI) 的预后. 该模型准确地预测患者的康复,帮助治疗和康复规划.
科学领域:
- 神经外科 神经外科
- 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 (cSCI) 的恢复是不可预测的,导致不同程度的残疾.
- 准确的预后模型对于有效的治疗和康复策略至关重要.
- 当前的模型往往缺乏准确性,因为仅依赖临床观察.
研究的目的:
- 开发和验证结合放射学和临床数据的综合模型,用于预测cSCI预后.
- 为了提高cSCI患者的预后准确性,伤病后六个月.
- 帮助临床决策和优化康复计划.
主要方法:
- 对168名cSCI患者的回顾性分析,对43名患者进行前性验证.
- 使用Pyradiomics和ResNet深度学习从MRI图像中提取放射学特征.
- 分析临床因素 (年龄,并发症,伤害细节) 和机器学习模型开发 (SVM,LR,RF,XGBoost等). ) 的情况.
主要成果:
- 放射学模型实现了高性能 (AUC 1.000培训,0.915测试).
- 确定的临床风险因素包括年龄,糖尿病和治疗类型.
- 组合模型表现出强大的预测能力 (AUC 1.000培训,0.952测试,0.815验证).
结论:
- 放射学和临床模型的结合显示出预测cSCI预后的巨大潜力.
- 这种综合方法比使用单个数据类型的模型提供了更好的准确性.
- 开发的模型可以帮助临床医生量身定制患者管理和康复策略.
