• 首页
  • 期刊介绍
  • 投稿指南
  • 期刊订阅
  • 广告合作
  • 征稿启事
  • 联系我们
首页
期刊
2023年
第1期
论著

【摘要】目的:基于胸部 CT 平扫图像胸椎的纹理分析和机器学习算法,判定患者有无骨质疏松,以及能否对脆性骨折做出精准预测。 方法:回顾性分析 2017 年 1 月—2021 年 12 月清远市人民医院 PACS 系统确认的 48 例患者为病例组,共 50 个稳定型胸椎椎体和 50 个不稳 定型椎体,并随机筛选 50 例非骨质疏松患者胸椎椎体作为对照组。病例组骨质疏松患者均行两次以上连续扫描,第一次扫描椎体正常,若 二次扫描发生骨折,为不稳定型椎体,若二次扫描未发生骨折,则为稳定型椎体。对照组的年龄、性别和椎体位置与不稳定型椎体相匹配。 用传统组学方法对病例组和对照组之间、稳定型椎体和不稳定型椎体之间分别行纹理分析和机器学习。结果:共纳入 150 个椎体。病例组和 对照组之间存在显著差异,使用支持向量机、随机森林、极度随机树、LightGBM 进行分类的 ROC 曲线分析得出的 AUC 值均> 0.95,其中 SVM 最佳,为 0.99[95% 置信区间(CI),0.96 ~ 1.00]。稳定型椎体和不稳定型椎体之间的组学特征没有显著差异,所有机器学习模型的 准确度均较低(正确率范围为 0.38 ~ 0.76),其中决策树(Decision Tree)的 AUC 值最高,为 0.73[95% 置信区间(CI),0.49 ~ 0.97]。 结论:骨纹理分析和机器学习可在胸部 CT 平扫中精准判定胸椎椎体骨质疏松,然而,单个椎体脆性骨折风险的预测效果欠佳。 


【关键词】脊柱;传统影像组学;机器学习;骨质疏松症;CT

  • 首页
  • 期刊介绍
  • 投稿指南
  • 期刊订阅
  • 广告合作
  • 征稿启事
  • 联系我们
友情链接:
国家新闻出版署
中国知网
万方数据知识服务平台
维普网
超星

版权所有 © 《影像研究与医学应用》编辑部    京ICP备2025106106号-1

关注我们的公众号