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。
-
单位承德市中心医院