目的构建跟距联合畸形(talocalcaneal coalition)的X线影像组学模型,并检验其对跟距联合畸形的筛查诊断能力。方法回顾性分析2019年1月至2023年3月吉林大学中日联谊医院放射线科200例行踝关节或足部X线检查的患者临床放射资料(跟距联合...目的构建跟距联合畸形(talocalcaneal coalition)的X线影像组学模型,并检验其对跟距联合畸形的筛查诊断能力。方法回顾性分析2019年1月至2023年3月吉林大学中日联谊医院放射线科200例行踝关节或足部X线检查的患者临床放射资料(跟距联合阳性及阴性各100例),手动勾画跟距联合畸形所在影像学区域,基于Python-pyradiomics库初步提取影像组学特征,通过曼-惠特尼U检验及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法实现数据降维和特征筛选,用支持向量机(support vector machine,SVM)对筛选得到的影像组学特征分类建模,最终以受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under the curve,AUC)、精确度、召回率、敏感度、特异度及F1分数评价模型的诊断效能。结果从X线图像中初步提取到105个组学特征,经曼-惠特尼U检验及LASSO算法筛选出7个强相关性特征,最终以SVM分类器所构建模型的测试集AUC值为0.93,精确度、召回率、敏感度、特异度和F1分数分别为88%、85%、93%、92%、88%,对跟距联合畸形有良好的筛查诊断能力。结论基于X线的影像组学模型可作为筛查诊断跟距联合畸形的一种准确高效的无创性工具,帮助临床医师诊断跟距联合畸形。展开更多
文摘目的构建跟距联合畸形(talocalcaneal coalition)的X线影像组学模型,并检验其对跟距联合畸形的筛查诊断能力。方法回顾性分析2019年1月至2023年3月吉林大学中日联谊医院放射线科200例行踝关节或足部X线检查的患者临床放射资料(跟距联合阳性及阴性各100例),手动勾画跟距联合畸形所在影像学区域,基于Python-pyradiomics库初步提取影像组学特征,通过曼-惠特尼U检验及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法实现数据降维和特征筛选,用支持向量机(support vector machine,SVM)对筛选得到的影像组学特征分类建模,最终以受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under the curve,AUC)、精确度、召回率、敏感度、特异度及F1分数评价模型的诊断效能。结果从X线图像中初步提取到105个组学特征,经曼-惠特尼U检验及LASSO算法筛选出7个强相关性特征,最终以SVM分类器所构建模型的测试集AUC值为0.93,精确度、召回率、敏感度、特异度和F1分数分别为88%、85%、93%、92%、88%,对跟距联合畸形有良好的筛查诊断能力。结论基于X线的影像组学模型可作为筛查诊断跟距联合畸形的一种准确高效的无创性工具,帮助临床医师诊断跟距联合畸形。