手机知网 App
24小时专家级知识服务
打 开
神经病学
基于磁共振扩散张量成像的机器学习模型对帕金森病人的识别
目的基于磁共振扩散张量成像(Diffusion Tensor Imaging,DTI)数据,构建区分帕金森(Parkinson’s Disease,PD患者和健康对照组的机器学习模型,探索其脑影像生物学标志物。方法收集我院2015年6月至2019年12月PD患者289例,正常对照志愿者131例。按照7:3的比例分为训练集和验证集。基于DTI数据构建包含各向异性分数、平均扩散率、轴向弥散系数、径向弥散系数值的向量。使用机器学习方法对该向量降维,构建分类模型并进行模型评估。结果构建的五种机器学习分类模型中,使用12个DTI脑区参数的SVM_Linear模型具有最优的分类性能。模型评估结果显示,训练集中AUC为0.897,敏感度为83.3%,特异度为89.0%;验证集中AUC为0.878,敏感度为79.3%,特异度为88.4%。结论基于DTI数据构建的机器学习分类模型能有效区分PD患者和健康对照者,胼胝体、扣带回、穹窿等脑区的DTI参数有作为PD的影像学标志物的潜力。
0 155
手机阅读本文
下载APP 手机查看本文
中国医疗设备
2021年10期
相似文献
图书推荐
相关工具书

搜 索