摘要
目的探讨基于心脏磁共振(CMR)平扫电影图像的影像组学特征在预测肥厚型心肌病(HCM)患者延迟强化(LGE)中的价值。方法回顾性分析2017年5月至2021年8月于北京安贞医院行CMR检查诊断明确的HCM患者共300例,采用随机分层抽样方法按7∶3比例将数据分为训练集和测试集。随后,纳入2022年1月至2023年5月于北京安贞医院行CMR检查诊断明确的HCM患者共89例用于外部验证。CVI 42软件被用于获取患者心功能参数,组内相关系数、Pearson相关系数及最小绝对收缩和选择算子(LASSO)回归被用于筛选影像组学特征。最后,使用LASSO回归和3种机器学习算法,包括支持向量机、线性判别分析及朴素贝叶斯构建LGE预测模型。模型效果使用受试者操作特征曲线下面积(AUC)评价。结果基于CMR图像提取出1409个特征,经过LASSO筛选后保留了19个特征构建组学标签。尽管4种方法在验证集中预测LGE的能力差异无统计学意义,但LASSO回归的稳定性和综合预测性能相对较好,其AUC在训练集中为0.795(95%CI 0.735~0.855),在测试集中为0.765(95%CI 0.668~0.862),在外部验证集中为0.721(95%CI 0.598~0.845)。结论基于CMR平扫电影图像提取的影像组学特征可用于预测HCM患者的LGE,LASSO回归更被推荐用于模型构建。
作者
张洪博
赵蕾
王浩入
鹿冠玉
张臣
谢国喜
鲁娜
马晓海
Zhang Hongbo;Zhao Lei;Wang Haoru;Lu Guanyu;Zhang Chen;Xie Guoxi;Lu Na;Ma Xiaohai(Department of Interventional Diagnosis and Treatment,Beijing Anzhen Hospital,Beijing 100029,China;Department of Radiology,Beijing Anzhen Hospital,Beijing 100029,China;Department of Radiology,Children′s Hospital of Chongqing Medical University,National Clinical Research Center for Child Health and Disorders,Ministry of Education Key Laboratary of Child Devolpment and Disorders,Chongqing Key Laboratory of Pediatrics,Chongqing 400014,China;Department of Biomedical Engineering,Foundation College of Guangzhou Medical University,Guangzhou 511436,China)
出处
《中华放射学杂志》
CAS
CSCD
北大核心
2023年第11期1231-1238,共8页
Chinese Journal of Radiology
基金
国家自然科学基金(82071875)
北京市自然科学基金(7212025,7222302)。
作者简介
通信作者:马晓海,Email:maxi8238@yahoo.com。
