使用下丘脑放射学和机器学习预测阻塞性睡眠呼吸暂停
Zhenliang Xiong1, Youquan Ning2, Yinglin Zhou3
1Key Laboratory of Advanced Medical Imaging and Intelligent Computing of Guizhou Province, State Key Laboratory of Public Big Data, College of Computer Science and Technology, Guizhou University, Guiyang, China; Department of Nuclear Medicine, Guizhou Provincial People's Hospital, Guiyang, China; Department of Radiology, Guizhou Provincial People's Hospital, Guizhou Province International Science and Technology Cooperation Base for Precision Imaging Diagnosis and Treatment, Guiyang, China.
来自MRI的下丘脑放射学显示出预测阻塞性睡眠呼吸暂停 (OSA) 的前景. 将放射学与临床数据 (如BMI) 结合起来,在验证研究中提高了预测准确度.
科学领域:
- 神经成像是一种神经成像.
- 生物标志物发现发现
- 睡眠医学 睡眠医学
背景情况:
- 阻塞性睡眠呼吸暂停 (OSA) 是一种普遍存在的疾病,对健康有重大影响.
- 目前的OSA诊断方法可能是侵入性的或不方便的.
- 识别用于OSA预测的新型,非侵入性生物标志物至关重要.
研究的目的:
- 调查T1加权MRI的下丘脑放射学作为OSA预测的潜在生物标志物.
- 评估基于放射学模型的性能,单独或与临床因素相结合,用于识别OSA患者.
主要方法:
- 251名参与者 (127名OSA,124名对照) 接受了3D T1加权MRI.
- 使用PyRadiomics,对下丘脑子单元的自动细分和放射性特征的提取.
- 通过统计测试和回归选择特征,然后对七个分类器进行培训和验证.
主要成果:
- 提取了4000多个放射性特征,其中52个被选择用于分析.
- 一种结合放射学和临床数据 (BMI) 的梯度增强机模型实现了最高的AUC (0.808内部,0.777外部).
- 来自后下丘脑的特定波纹和第一阶放射学特征被确定为关键预测因素.
结论:
- 脑下垂体放射学,特别是当与临床数据集成时,为OSA预测提供了一个有希望的探索方法.
- 放射学分析可以揭示与OSA相关的微妙的下丘脑变化,为改进诊断策略提供了潜力.
更多相关视频
07:31Image Acquisition using Portable Sonography for Emergency Airway Management
Published on: September 28, 2022
06:22Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections
Published on: September 19, 2025
