基于MRI影像组学在诊断前交叉韧带损伤分级中的应用

摘要

目的 分析MRI影像组学对前交叉韧带损伤分级的诊断价值。方法 回顾性选择2017～2022年滨州医学院附属医院放射科质子加权成像提示前交叉韧带异常信号患者212例，以关节镜检查结果为金标准，将患者分为重度损伤组（n=141）和轻度损伤组（n=71）。提取前交叉韧带图像的组学特征包括形状特征、一阶特征、纹理特征和小波特征。通过SMOTE法进行过采样，解决数据不均衡问题。通过组内及组间相关系数进行一致性检验。在两组中通过7:3的比例随机分割为训练集和测试集。并用LASSO算法筛选出最佳影像组学特征，采用Logistic回归建立组学模型。基于影像组学特征建立影像组学模型，基于两组的临床参数建立临床模型，以及联合两者建立Nomogram模型。分别在训练集及测试集绘制ROC曲线，计算敏感度、特异性、准确度评估模型的诊断效能，通过绘制校准曲线来评估模型预测值和实际观测值之间的差异，通过绘制临床决策曲线分析评价其临床有效性。结果 通过特征提取在质子加权成像横断位、冠状位、矢状位共获得2553个特征，通过特征筛选及降维最终保留12个特征参数。影像组学模型训练集的曲线下面积（AUC）为0.9105，测试组为0.8561。性别、关节不稳、关节交锁以及组学积分是诊断前交叉韧带重度损伤的最佳特征集。临床模型训练集的AUC值为0.6989，测试组为0.6415。Nomogram模型训练集的AUC值为0.9449，测试组为0.8661。Nomogram模型与临床模型差异有统计学意义（P<0.05）,Nomogram的AUC高于组学模型,但在测试集差异无统计学意义（P>0.05）。结论 基于MRI的影像组学方法可为诊断前交叉韧带损伤分级提供一种新型的检测手段，使前交叉韧带损伤的临床诊断准确率得到很大提升，Nomogram模型比临床模型以及组学模型的诊断效能更好。

关键词

MRI / 影像组学 / 前交叉韧带损伤 / 分级

基金资助

国家级大学生创新训练项目（202310440234）