开发和验证机器学习算法,以利用磁共振图像进行结性脊髓炎的早期检测
Emre Canayaz1, Zehra Aysun Altikardes2, Alparslan Unsal3
1Vocational School of Technical Sciences, Marmara University, Istanbul, Türkiye.
概括
机器学习模型使用短陶逆转恢复 (STIR) 核磁共振扫描精确检测结性脊髓炎 (AS). 这种方法有助于在慢性炎症疾病的早期诊断和治疗规划.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 化脊柱炎 (AS) 是一种慢性炎症疾病,影响脊柱和关节.
- 早期诊断和治疗对于预防残疾至关重要.
研究的目的:
- 开发和验证用于AS检测的机器学习 (ML) 算法.
- 仅使用短陶倒置恢复 (STIR) 磁共振 (MR) 图像.
主要方法:
- 从MRI图像中生成灰度共发生矩阵 (GLCM).
- 计算Haralick特征和列车ML模型.
- 使用696张MRI图像 (348AS+,348AS-),具有10倍的交叉验证和单独的验证集.
主要成果:
- 在验证中,ML模型取得了高性能 (精度:0.885,AUC:0.941).
- 与之前的基于GLCM的ML检测模型相比,表现出卓越的性能.
结论:
- 引入了一种新的ML方法来检测AS使用STIRMR图像.
- 解决了关于AS检测中ML模型可解释性的文献缺乏问题.
- 提供了早期和准确的AS诊断的有效策略,促进及时干预.
更多相关视频
14:27Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data
Published on: June 26, 2013
15.6K
07:33In Vivo Evaluation of Fracture Callus Development During Bone Healing in Mice Using an MRI-compatible Osteosynthesis Device for the Mouse Femur
Published on: November 14, 2017
9.5K
