基于机器学习算法的影像组学在MRI诊断早期股骨头坏死中的应用

摘要：

目的 探索基于机器学习的影像组学在MRI诊断早期股骨头坏死中的应用价值.资料与方法 回顾性分析接受髋关节MRI检查的293例患者的临床及影像学资料.根据国际骨循环协会股骨头坏死分型,其中118例诊断为股骨头坏死早期.采用随机数字法,以7:3抽取206例用于训练模型,87例用于验证模型.应用影像组学方法 从MRI的T1WI影像中共提取319项影像学特征值.利用LASSO模型挑选9项最优特征值.应用Logistic回归法(LR)、随机森林法(RF)、支持向量机法(SVM)和K邻近法(KNN)4种机器学习算法构建基于影像组学的MRI诊断早期股骨头坏死模型.应用ROC曲线和曲线下面积(AUC)评估模型的诊断效能.结果 RF模型AUC为0.86(95％CI 0.83～0.92),敏感度为86.3％、特异度为84.4％;LR模型AUC为0.81(95％CI 0.76～0.84),敏感度为78.3％、特异度为86.3％;KNN模型AUC为0.73(95％CI 0.67～0.75),敏感度为61.7％、特异度为84.8％;SVM模型AUC为0.82(95％CI 0.76～0.89),敏感度为81.3％、特异度为82.4％.验证集中,RF模型的诊断效能最高(P=0.017).结论 基于机器学习的影像组学在MRI诊断早期股骨头坏死中的诊断效能高,具有一定的临床应用前景.

关键词：股骨头坏死、磁共振成像、影像组学、机器学习算法、诊断

所属期刊栏目：29

分类号：R445.2;R681.8(诊断学)

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：817-821