目的:评估基于心脏磁共振(cardiac magnetic resonance imaging,CMR)电影序列的影像组学模型在检测二尖瓣严重反流中的价值。方法:收集2015年11月至2018年8月在中南大学湘雅三医院接受CMR及超声心动图检查的患者80例,包括无或轻度反流...目的:评估基于心脏磁共振(cardiac magnetic resonance imaging,CMR)电影序列的影像组学模型在检测二尖瓣严重反流中的价值。方法:收集2015年11月至2018年8月在中南大学湘雅三医院接受CMR及超声心动图检查的患者80例,包括无或轻度反流组67例、中重度反流组13例。对CMR电影序列图像进行相对均值梯度差异(relative difference of average filtered gradient,RDAFG)分析,并结合最小输出误差平方和滤波追踪(minimum output sum of squared error filtering tracker,MOSSE)提取25维特征,利用主成分分析降至2维,对中重度反流组进行过采样后再利用支持向量机(support vector machine,SVM)建立影像组学模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型效能。结果:两组患者的2维影像组学特征的差异均具有统计学意义(均P<0.01),所建立影像组学模型的最佳检测效果的ROC曲线下面积为0.971,敏感度和特异度分别为85.7%和94.1%。结论:基于CMR电影序列的机器学习影像组学模型对二尖瓣反流程度的评估具有较好效果,有助于智能化辅助临床诊疗。展开更多
文摘目的:评估基于心脏磁共振(cardiac magnetic resonance imaging,CMR)电影序列的影像组学模型在检测二尖瓣严重反流中的价值。方法:收集2015年11月至2018年8月在中南大学湘雅三医院接受CMR及超声心动图检查的患者80例,包括无或轻度反流组67例、中重度反流组13例。对CMR电影序列图像进行相对均值梯度差异(relative difference of average filtered gradient,RDAFG)分析,并结合最小输出误差平方和滤波追踪(minimum output sum of squared error filtering tracker,MOSSE)提取25维特征,利用主成分分析降至2维,对中重度反流组进行过采样后再利用支持向量机(support vector machine,SVM)建立影像组学模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型效能。结果:两组患者的2维影像组学特征的差异均具有统计学意义(均P<0.01),所建立影像组学模型的最佳检测效果的ROC曲线下面积为0.971,敏感度和特异度分别为85.7%和94.1%。结论:基于CMR电影序列的机器学习影像组学模型对二尖瓣反流程度的评估具有较好效果,有助于智能化辅助临床诊疗。
