典型文献
MRI组学特征构建机器学习模型预测胸腰段再骨折
文献摘要：
背景:影像组学能够对图像异质性进行量化,能否从骨质疏松椎体MRI影像中筛选出类似指纹等具有特征性的影像差异,用于预测再骨折的发生仍有待研究.目的:探讨通过MRI组学特征联合临床信息构建椎体强化后胸腰段再骨折机器学习预测模型的可行性.方法:回顾性收集成都市第一人民医院2014年5月至2019年4月由MRI确诊并行椎体强化治疗的骨质疏松性椎体压缩骨折患者资料,使用PyRadiomics工具提取强化前T11-L2节段非骨折椎体MRI T1序列影像组学特征.所有模型在训练集中构建,并在验证集中进行预测效能评估,采用最小绝对收缩和选择算子对组学数据进行降维,采用逻辑回归、随机森林和自适应提升算法针对临床信息、组学特征和二者结合构建相应的再骨折预测模型,采用受试者工作特征曲线对模型的诊断效能进行评估,采用决策分析曲线比较各模型的临床价值.结果 与结论:①共纳入135例患者的336个椎体,其中67个椎体发生再骨折,每个椎体分别提取到1746个组学特征,经降维共获得13个重要特征;②在3种计算方法方案下,综合模型在训练集与验证集中的AUC均显著高于临床模型(P<0.05),决策分析曲线同样显示综合模型预测胸腰段再骨折的净收益在大部分阈值区间内均高于临床模型;③结果 表明,采用MRI T1序列影像组学特征联合临床信息构建再骨折预测模型具有可行性,有助于早期识别出具有高度再骨折风险的椎体.
文献关键词：
影像组学;骨质疏松;椎体压缩骨折;经皮椎体成形;再骨折;机器学习;预测模型
中图分类号：
作者姓名：
刘进;印宏坤;陈果;张宇;顾祖超;唐静
作者机构：
成都市第七人民医院骨科,四川省成都市 610041;成都市第一人民医院骨科,四川省成都市 610041;推想医疗科技股份有限公司,北京市 100080;四川大学华西医院放射科,四川省成都市 610041
文献出处：
引用格式：
[1]刘进;印宏坤;陈果;张宇;顾祖超;唐静-.MRI组学特征构建机器学习模型预测胸腰段再骨折)[J].中国组织工程研究,2022(33):5323-5328
A类：
B类：
特征构建,机器学习模型,胸腰,腰段,再骨折,指纹,具有特征,特征性,像差,特征联合,临床信息,信息构建,椎体强化,机器学习预测,成都市,强化治疗,骨质疏松性椎体压缩骨折,骨折患者,PyRadiomics,T11,L2,节段,序列影像,影像组学特征,训练集,验证集,预测效能,效能评估,最小绝对收缩和选择算子,组学数据,逻辑回归,自适应提升算法,受试者工作特征曲线,诊断效能,采用决策,决策分析,分析曲线,临床价值,取到,共获,法方,综合模型,临床模型,净收益,阈值区间,早期识别,骨折风险,经皮椎体成形
AB值：
0.313128
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
