文件大小：0.81M
摘要：目的 观察垂体MRI影像组学与MRI特征联合模型预测矮小症儿童生长激素（GH）状态的价值。方法 纳入300例矮小症患儿为训练集，以另外73例为外部验证集；基于GH激发试验结果将其分为生长激素缺乏症（GHD）组（n=228）与非GHD组（n=145），训练集含GHD亚组196例、非GHD亚组104例，验证集含GHD亚组32例、非GHD亚组41例。于T1WI中提取垂体影像组学特征，以最小绝对收缩和选择算子（LASSO）回归筛选关键特征并分别构建支持向量机（SVM）、逻辑回归（LR）、朴素贝叶斯（NB）和K邻近法（KNN）4种机器学习模型，结合MRI特征构建联合模型，评估各模型预测效能。结果 SVM、LR、NB及KNN影像组学模型预测训练集GH状态的曲线下面积（AUC）分别为0.860、0.831、0.838及0.901，在验证集分别为0.788、0.829、0.823及0.770；相应联合模型在训练集的AUC分别为0.924、0.903、0.859及0.920，在验证集分别为0.827、0.881、0.836及0.718，尤以LR联合综合表现最佳，其在训练集的敏感度为84.94%、特异度为80.56%、准确率为83.61%，在验证集依次为80.95%、72.22%及80.00%。结论 垂体影像组学联合MRI综合模型可有效预测矮小症儿童GH状态。
文章目录
1 资料与方法
1.1 研究对象
1.2 仪器与方法
1.3 图像分析
1.4 建立模型
1.4.1 提取及筛选特征
1.4.2 构建模型与验证
1.5 统计学分析
2 结果
2.1 垂体影像组学特征
2.2 构建模型
2.3 评估模型效能
3 讨论
