首页 > 中国医学物理学杂志 > 基于磁共振成像的机器学习模型无创评估肝脏纤维化分期:对超声肝硬度值附加价值

基于磁共振成像的机器学习模型无创评估肝脏纤维化分期:对超声肝硬度值附加价值

Magnetic resonance imaging-based machine learning model for non-invasive liver fibrosis staging:added value to ultrasound liver stiffness measurements

二维码有效期 120s

摘要目的:构建并验证基于磁共振增强平衡期(T1-delay MR)的机器学习模型(MR模型)无创评估肝脏纤维化分级,并与超声瞬时弹性成像肝硬度值(LSM)进行联合/对比,探讨MR模型对于LSM的附加价值.方法:回顾性单中心研究纳入了659例肝纤维化患者,随机拆分为训练集和测试集.经图像预处理后,通过层次化建模的方法筛选特征.通过将特征按层次结构划分子类并分别考察子类建模在验证集上的表现,筛选出重要的特征,建立MR模型分别对显著性(F≥2)和进展期肝纤维化(F≥3)进行分类,并与LSM联合构建MR-LSM模型.使用受试者工作特征曲线、瀑布图、决策曲线分析评估模型的性能.结果:分类F≥2时,MR-LSM在测试集中优于MR模型(0.824 vs 0.791,P=0.003)和LSM(0.694,P=0.005).分类F≥3时,MR-LSM AUC高于MR模型(0.855 vs 0.819,P=0.004),且优于LSM(0.731,P<0.001).结论:MR-LSM模型在肝纤维化分级中诊断效能优于单独的MR模型和LSM,MR模型对于LSM具有附加价值.

作者孙溢阳 ^[1] 查俊豪 ^[2] 张成秀 ^[1] 王成龙 ^[1] 宋阳 ^[3] 王海杰 ^[4] 夏天一 ^[2] 杨光 ^[1] 学术成果认领

作者单位华东师范大学物理与电子科学学院上海市磁共振重点实验室,上海 200062;华东师范大学医学磁共振与分子影像技术研究院,上海 200062 ^[1] 东南大学附属中大医院放射科,江苏南京 210009 ^[2] 西门子医疗上海MR研究合作团队,上海 200206 ^[3] 东软医疗系统股份有限公司创新研究院,辽宁沈阳 110167 ^[4]

关键词肝脏纤维化机器学习磁共振超声瞬时弹性成像 liver fibrosis machine learning magnetic resonance ultrasound transient elastography

分类号 R318（医用一般科学）R575（消化系及腹部疾病）

栏目名称

医学影像物理

DOI 10.3969/j.issn.1005-202X.2026.01.006

发布时间 2026-02-03（万方平台首次上网日期，不代表论文的发表时间）

基金项目

国家自然科学基金（823B2040）