10.12015/issn.1674-8034.2022.09.011
基于MRI影像组学模型识别三角纤维软骨复合体损伤
目的 构建腕关节三角纤维软骨复合体(triangular fibrocartilage complex,TFCC)的MRI影像组学模型,评价其对TFCC损伤的诊断效能.材料与方法 回顾性分析2019年1月至2021年12月于吉林大学中日联谊医院放射线科行腕关节磁共振检查的100例患者病例(损伤及非损伤各50例),所有患者均行高分辨率3.0 T磁共振扫描,选取T2WI冠状位序列,手动勾画图像中的TFCC区域,提取影像特征,采用曼-惠特尼U检验(Mann-Whitney U test)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行数据降维、特征筛选,将所筛选出的相关性最强的影像特征采用支持向量机(support vector machine,SVM)的建模方法建立分类模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under the curve,AUC)、精确度、敏感度和特异度评价模型的诊断效能.结果 从T2WI冠状位序列中提取到88个初始特征,用曼-惠特尼U检验和LASSO算法筛选出12个相关性特征,基于上述相关特征在SVM分类器中构建的模型AUC值为0.88,精确度、敏感度和特异度分别为90％、92％、100％,具有较好的诊断效能.结论 基于MRI的影像组学特征可以提供一个识别腕关节TFCC损伤的无创性工具,提高TFCC损伤的检出率.
腕关节、三角纤维软骨复合体、影像组学、磁共振成像、最小绝对收缩和选择算子、支持向量机
13
R445.2;R681.7(诊断学)
国家自然科学基金;电分析化学国家重点实验室开放课题;吴阶平医学基金
2022-10-09（万方平台首次上网日期，不代表论文的发表时间）
共5页
58-62
