检索结果-内蒙古大学图书馆

基于多参数MRI影像组学的9种机器学习模型对婴幼儿脑瘫风险的预测效能比较

中华解剖与临床杂志 2025年第1期30卷 1-8页

作者：贾真黄婷婷卞益同刘军杨健李贤军西安交通大学第一附属医院医学影像科/陕西省计算影像与医疗智能工程技术研究中心/西安市医学计算影像重点实验室西安710061 西安交通大学未来技术学院西安710049 河南中医药大学第一附属医院放射科郑州450000

目的比较基于多参数MRI影像组学的9种机器学习模型对校正年龄4个月~2岁婴幼儿脑瘫的预测效能。方法回顾性队列研究。纳入2013年4月—2021年9月河南中医药大学第一附属医院行MRI检查的符合条件的患儿277例,其中脑瘫89例、非脑瘫188例,按1... 详细信息

目的比较基于多参数MRI影像组学的9种机器学习模型对校正年龄4个月~2岁婴幼儿脑瘫的预测效能。方法回顾性队列研究。纳入2013年4月—2021年9月河南中医药大学第一附属医院行MRI检查的符合条件的患儿277例,其中脑瘫89例、非脑瘫188例,按1∶1比例在非脑瘫患儿中按照门诊号随机化选取89例。最终纳入178例患儿,其中男113例、女65例,校正年龄为4个月~2岁。脑瘫组与非脑瘫组178例患儿分别按照8∶2的比例随机分入训练集(142例)和测试集(36例)。对每例患儿的T1加权像(WI)、T2WI进行图像分割和特征提取,在训练组中对提取的影像组学特征采用独立样本t检验、最小绝对收缩和选择算子(LASSO)、Z分数归一化技术进行图像特征筛选。筛选出来的影像组学特征采用逻辑回归(LRA)、决策树(DT)、随机森林(RF)、k近邻(kNN)、支持向量机(SVM)、朴素贝叶斯(NB)、梯度提升机(GBM)、轻量梯度提升机(LightGBM)、极端梯度提升(XGBoost)等9种机器学习方法构建机器学习模型。在训练集、测试集中分别采用受试者操作特征曲线(ROC曲线)评估并验证9种模型对婴幼儿脑瘫的预测效能,选择预测效能较好的模型采用五折交叉验证评估其预测效能的稳定性。结果(1)脑瘫组和非脑瘫组的基线资料比较:训练集、测试集中2组患儿智力障碍、认知障碍、缺血缺氧性脑病差异均有统计学意义(P值均<0.05),校正年龄、性别、癫痫、语言障碍、视力异常、高胆红素血症、低血糖、发育畸形、新生儿肺炎、先天性心脏病差异均无统计学意义(P值均>0.05);患儿出生时胎龄、出生体质量在训练集中2组间比较差异均有统计学意义(P值均<0.05),而在测试集中2组间比较差异均无统计学意义(P值均>0.05)。(2)MRI T1WI和T2WI特征提取后每例患者获得11190个影像组学特征,在训练集中筛选出20个特征采用9种机器学习方法构建机器学习模型。在训练集中,DT、RF、GBM、LightGBM模型的灵敏度、特异度、准确度均达到1.000,AUC均为0.995,预测效能极佳;其次是LRA、SVM、XGBoost模型,预测效能均较高,灵敏度、特异度、准确度、AUC均>0.900;kNN、NB模型的预测效能相对较低,灵敏度、特异度、准确度均<0.900。在测试集中,LRA、SVM、LightGBM模型的预测效能较高,灵敏度、特异度、准确度、AUC均>0.900,其中LRA模型的预测效能最佳(AUC=0.963);而DT、RF、kNN、NB、GBM、XGBoost模型的预测效能相对较低,灵敏度、特异度、准确度均<0.900,其中DT模型的预测效能最低(AUC=0.825)。9种机器学习模型中LRA模型在训练集、测试集预测效能均较高,AUC(95%CI)分别为0.971(0.945~0.993)、0.963(0.932~0.989),灵敏度、特异度、准确度训练集均为0.940、测试集均为0.932;对LRA模型进行五折交叉验证评估其预测效能的稳定性,ROC曲线显示在训练集、测试集中LRA模型平均AUC分别为0.971、0.963,预测效能优异且稳定。结论基于多参数MRI影像组学的9种机器学习模型对4个月~2岁婴幼儿脑瘫均具有良好的预测效能,其中LRA模型的预测效能最佳且稳定性好。

关键词：脑性瘫痪磁共振成像影像组学机器学习预测儿童

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：