APP下载

基于机器学习算法的影像组学在MRI诊断早期股骨头坏死中的应用

2021-09-22朱士铭滕伟李唯宣建新

中国医学影像学杂志 2021年8期
关键词:模型研究

朱士铭,滕伟,李唯,宣建新

承德市中心医院CT 室,河北 承德 067000;*通信作者 朱士铭 Zhushiming@yandex.com

股骨头坏死(femoral head osteonecrosis,ONFH)是骨科常见的难治性疾病[1],发病进展较快,一旦诊断和治疗不及时,坏死的股骨头可能逐渐塌陷,病情发展到终末期往往需要行人工全髋关节置换术[2]。ONFH早期坏死区域小,易漏诊。MRI对于早期ONFH诊断快速、灵敏、无创,在临床上广泛应用,但仍存在一定的漏诊和误诊[3-4]。

影像组学是高通量地从医学影像中提取大量特征,采用自动或半自动分析方法将影像数据转化为具有高分辨率的可挖掘数据集。借助计算机辅助诊断,对影像学图像自动进行诊断及分类,从而提供更加客观、准确的诊断结果[1]。应用影像组学辅助疾病诊断在临床上已取得一定的成果[5-6]。然而,既往关于影像组学应用于ONFH 诊断的相关研究较少。本研究拟通过影像组学方法分析早期ONFH 的MRI 特征,以辅助诊断ONFH 及判断分期,提高本病的诊断准确性和检出率,缩短诊断时间。

1 资料与方法

1.1 研究对象 回顾性分析2014年1月—2019年8月承德市中心医院放射科接受髋关节MRI 检查的患者。纳入标准:①年龄18~75 岁;②曾于我院接受髋关节MRI 检查,且资料完整、影像清晰。排除标准:①影像资料不全、质量差或运动伪影的患者;②髋MRI 正常,但临床判断可能为ONFH 患者;③创伤性ONFH患者;④有保髋手术史患者;⑤有代谢性骨病患者;⑥国际骨循环协会(Association Research Circulation Osseous,ARCO)分期[7]为Ⅲ、Ⅳ期的ONFH 患者。ARCO 股骨头坏死分期[7],Ⅰ期:X 线检查正常,MRI和(或)骨核素扫描可发现;Ⅱ期:X 线检查阳性,股骨头无塌陷、髋臼无改变;Ⅲ期:X 线表现为新月征,股骨头塌陷;……

登录APP查看全文

猜你喜欢

模型研究
一半模型
FMS与YBT相关性的实证研究
2020年国内翻译研究述评
辽代千人邑研究述论
重尾非线性自回归模型自加权M-估计的渐近分布
视错觉在平面设计中的应用与研究
EMA伺服控制系统研究
新版C-NCAP侧面碰撞假人损伤研究
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究