换一批基于增强MRI影像组学、深度学习及临床特征构建列线图模型鉴别脊柱结核与化脓性脊柱炎
Nomogram model based on enhanced MRI radiomics,deep learning and clinical features for differentiating spinal tuberculosis and pyogenic spondylitis
摘要目的 评价基于增强MRI影像组学、深度学习(DL)及临床特征建立的列线图模型用于鉴别脊柱结核与化脓性脊柱炎的价值.方法 回顾性纳入59例脊柱结核、66例化脓性脊柱炎,筛选可用于鉴别脊柱结核和化脓性脊柱炎的影像组学、DL及临床特征;以logistic回归基于最优特征构建预测模型,并联合以上特征构建列线图模型.以受试者工作特征曲线、校准曲线和决策曲线可视化模型鉴别脊柱结核与化脓性脊柱炎的效能.结果 列线图鉴别训练集和测试集脊柱结核与化脓性脊柱炎的曲线下面积(AUC)均最高,分别为0.997和0.920.DeLong检验显示列线图模型与临床模型在测试集的AUC差异有统计学意义(P=0.002),而与其他模型差异均无统计学意义(P均＞0.05).列线图模型可为鉴别脊柱结核与化脓性脊柱炎提供最高的总净获益,且其校准度良好.结论 基于增强MRI影像组学、DL及临床特征构建的列线图模型用于鉴别脊柱结核与化脓性脊柱炎具有较高效能.
更多相关知识
关键词
结核,脊柱脊柱炎磁共振成像深度学习影像组学tuberculosis,spinalspondylitismagnetic resonance imagingdeep learningradiomics
栏目名称
DOI
10.13929/j.issn.1003-3289.2025.01.026
发布时间
2025-03-07（万方平台首次上网日期，不代表论文的发表时间）
- 浏览49
- 被引1
- 下载66
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
