临床放射学杂志

作者：樊红星, 孟祥虹, 刘晓鸣, 孙曼, 王植

单位：300070 天津医科大学研究生院樊红星;300211 天津大学天津医院放射科孟祥虹、孙 曼、王 植;100089 北京,联影智能医疗科技北京有限公司刘晓鸣

关键词：影像组学,膝关节,半月板损伤,磁共振成像,特征

基金：本课题系天津市医学重点学科(专科)建设资助项目(编号:TJYXZDXK-026A)

<b>目的</b> 探讨基于MRI影像组学特征的机器学习分类器诊断半月板不同损伤级别的价值。<b>方法</b> 回顾性分析368例患者膝关节MRI图像。联合矢状位及冠状位质子密度加权脂肪抑制图像的影像组学特征,经SelectKBest、最小冗余最大相关和最小绝对收缩和选择算子回归进行特征筛选和降维,选择最优特征,采用多种机器学习方法构建半月板损伤四分类诊断模型,应用受试者工作特征曲线评估各模型诊断效能。<b>结果</b> 最终获得18个最优特征,支持向量机、逻辑回归、高斯过程、随机森林、二次判别分析和Bagging决策树模型的AUC值最佳,分别为0.876、0.871、0.870、0.869、0.868和0.868。随机森林、逻辑回归、Bagging决策树和随机森林分别在诊断正常半月板、1、2、3级半月板损伤中AUC值最高(0.948、0.833、0.805、0.902)。<b>结论</b> 基于MRI影像组学特征的机器学习模型进行半月板损伤分级的可行性较好,具有良好的诊断效能。

来源：2024年第5期

《临床放射学》期刊编辑部

查看临床放射学杂志2024年第5期