换一批基于皮层形态特征的机器学习模型识别早期帕金森病
Recognition of Early Parkinson's Disease by Machine Learning Model Based on Cortical Morphology Features
摘要目的 探究基于皮层形态特征的机器学习模型在诊断早期帕金森病(PD)中的应用价值.资料与方法 回顾性选取帕金森病进展标志物倡议数据库 2014 年1 月—2017年 12月 100 例早期PD患者和 70例健康对照的MRI图像和临床资料.首先使用计算机解剖分析工具箱对图像进行预处理,提取大脑皮层分形维数(FD)和回指数(GI),并分析两种指标的组间差异.然后将所有受试者按照7∶3随机分为训练集和测试集,通过t检验和递归特征消除法筛选出最优特征.使用随机森林构建分类模型并绘制受试者工作特征曲线评估模型效能,应用决策曲线分析评估模型临床价值.结果 与健康对照相比,早期 PD 患者双侧中央前回、双侧额中回前部、双侧额中回后部、双侧额下回三角部、双侧额下回岛盖部、双侧额下回眶部以及右侧额上回、右侧外侧眶额、右侧岛叶皮层GI值较低(P均<0.05),但FD值差异无统计学意义(P均>0.05).模型评估结果显示,FD、GI以及联合模型在训练集的曲线下面积分别为0.860、0.895、0.939,在测试集分别为0.762、0.821、0.868.Hosmer-Lemeshow检验结果表明所有模型在训练集和测试集的拟合优度差异均无统计学意义(P均>0.05).决策曲线分析曲线显示,当阈值概率为0.10～0.88时,联合模型的临床净效益最优.结论 在疾病早期PD患者的大脑皮层形态已出现变化,基于皮层形态特征的机器学习模型具有良好诊断性能,在辅助临床诊断早期PD方面可能具有重要价值.
更多相关知识
关键词
帕金森病机器学习磁共振成像大脑皮层诊断基于表面的形态学Parkinson's diseaseMachine learningMagnetic resonance imagingCerebral cortexDiagnosisSurface-based morphometry
栏目名称
DOI
10.3969/j.issn.1005-5185.2024.10.004
发布时间
2024-11-18（万方平台首次上网日期，不代表论文的发表时间）
- 浏览30
- 被引3
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
