机器学习和定量计算断层扫描 放射学 预测腿犬手术后功能恢复的预测

科学领域:

• 兽医神经学 兽医神经学
• 医学成像医学成像
• 机器学习是机器学习.

背景情况:

• 急性椎间盘挤出 (IVDE) 是狗的常见原因之一.
• 在减压手术后预测功能恢复对于手术决策至关重要.
• 深度疼痛感知是一种传统但不完美的预后指标.

研究的目的:

• 开发一个基于计算机断层扫描 (CT) 放射学的机器学习算法.
• 预测急性IVDE的残疾犬的功能恢复.
• 为了比较算法的性能与深度疼痛感知.

主要方法:

• 一个多变量预测模型是使用非对比CT扫描的放射学特征来开发的.
• 使用极端梯度算法,将CT放射学与深度疼痛感知相结合.
• 该模型在214只患有急性IVDE的残疾犬的数据集上进行了训练和测试.

主要成果:

• CT-放射学模型在完整的测试组中实现了0.9118的AUC,在深度疼痛负面子组中达到0.7692.
• 该模型在预测行走恢复方面表现出高准确度 (86.1%) 和特异性 (100%).
• 开发的模型单独表现优于深度疼痛感知 (AUC 0.8088).

结论:

• 基于非对比CT的放射学为因IVDE而导致严重脊髓损伤的狗提供了有价值的预后信息.
• 整合放射学特征的机器学习算法可以作为手术决策的辅助工具.
• 与传统方法相比,这种方法可以更好地预测功能恢复.