-
题名基于皮层形态特征的机器学习模型识别早期帕金森病
- 1
-
-
作者
饶定才
石采灵
岳文军
-
机构
川北医学院附属医院放射科
-
出处
《中国医学影像学杂志》
CSCD
北大核心
2024年第10期994-999,共6页
-
文摘
目的探究基于皮层形态特征的机器学习模型在诊断早期帕金森病(PD)中的应用价值。资料与方法回顾性选取帕金森病进展标志物倡议数据库2014年1月—2017年12月100例早期PD患者和70例健康对照的MRI图像和临床资料。首先使用计算机解剖分析工具箱对图像进行预处理,提取大脑皮层分形维数(FD)和回指数(GI),并分析两种指标的组间差异。然后将所有受试者按照7∶3随机分为训练集和测试集,通过t检验和递归特征消除法筛选出最优特征。使用随机森林构建分类模型并绘制受试者工作特征曲线评估模型效能,应用决策曲线分析评估模型临床价值。结果与健康对照相比,早期PD患者双侧中央前回、双侧额中回前部、双侧额中回后部、双侧额下回三角部、双侧额下回岛盖部、双侧额下回眶部以及右侧额上回、右侧外侧眶额、右侧岛叶皮层GI值较低(P均<0.05),但FD值差异无统计学意义(P均>0.05)。模型评估结果显示,FD、GI以及联合模型在训练集的曲线下面积分别为0.860、0.895、0.939,在测试集分别为0.762、0.821、0.868。Hosmer-Lemeshow检验结果表明所有模型在训练集和测试集的拟合优度差异均无统计学意义(P均>0.05)。决策曲线分析曲线显示,当阈值概率为0.10~0.88时,联合模型的临床净效益最优。结论在疾病早期PD患者的大脑皮层形态已出现变化,基于皮层形态特征的机器学习模型具有良好诊断性能,在辅助临床诊断早期PD方面可能具有重要价值。
-
关键词
帕金森病
机器学习
磁共振成像
大脑皮层
诊断
基于表面的形态学
-
Keywords
Parkinson's disease
Machine learning
Magnetic resonance imaging
Cerebral cortex
Diagnosis
Surface-based morphometry
-
分类号
R742.5
[医药卫生—神经病学与精神病学]
R445.2
[医药卫生—影像医学与核医学]
R319
[医药卫生—基础医学]
-
