换一批基于不同预处理方法的腰椎CT影像组学模型对骨质疏松症诊断价值的比较分析
Comparative Analysis of Radiomics Models Derived from Lumbar Spine CT with Different Image Preprocessing Methods for Diagnosing Osteoporosis
摘要目的:采用4种不同的图像预处理方法,并结合多种分类器构建CT影像组学模型进行对比分析,旨在探究不同归一化方法的模型对诊断骨质疏松症(OP)效能的影响.方法:回顾性纳入2020年1月至2025年1月接受腹部CT检查的患者,并根据双能X线吸收法(DXA)结果将患者分为非OP组和OP组,测量每位患者L1～L4椎体中部横断面CT值,分析各椎体诊断OP的性能,并建立临床模型.利用最大最小归一化(预处理A)、均值方差归一化(预处理B)、窗宽窗位归一化(预处理C)及无归一化(预处理D)对腹部CT图像进行处理,采用支持向量机(SVM)、逻辑回归(LR)、随机森林(RF)及极端梯度提升(XGBoost)分类器构建影像组学模型,计算曲线下面积(AUC)、灵敏度、特异度和准确度,评估各模型的性能.结果:两组间各椎体CT值均与骨密度值(BMD)存在较强的相关性,其中以L2椎体CT值与L1-BMD及L1～L4 BMD值相关性最强(均r=0.695,P＜0.001),L1～L4椎体平均CT值诊断OP效能高于其他椎体CT值,截断值为89.3 HU(AUC=0.896,P＜0.05).年龄、肌少症及性别是OP的独立预测因素(均P＜0.05),以预处理C图像预处理后采用RF分类器构建的组学其诊断效能表现较佳(AUC=0.964),两者的联合模型展现最优的效能(AUC=0.967),高于临床模型(AUC=0.880,P＜0.05)及CT值模型而与组学模型AUC无统计学意义(AUC=0.964,P=0.139).结论:基于窗宽窗位归一化图像预处理方法后采用RF分类器结合临床独立预测因素构建的联合模型可有效诊断OP.
更多相关知识
关键词
骨质疏松症图像预处理腰椎计算机体层成像机器学习影像组学OsteoporosisImage preprocessingLumbar vertebraeComputed tomographyMachine learningRadiomics
分类号
R592（全身性疾病）
栏目名称
DOI
10.3969/j.issn.1006-5741.2026.01.018
发布时间
2026-03-25（万方平台首次上网日期，不代表论文的发表时间）
- 浏览6
- 被引0
- 下载7
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
