| 张刚，邢威，翟晓阳，豆凯，张力心，贺俊景.基于多频带低频振幅构建机器学习模型评估稳定期COPD患者异常脑活动[J].放射学实践,2026,41(04):375-381 |
| 基于多频带低频振幅构建机器学习模型评估稳定期COPD患者异常脑活动 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2026.04.004 |
| 中文关键词: 慢性阻塞性肺疾病 低频振幅 机器学习 多频带分析 静息态磁共振成像 |
| 基金项目:河南省自然科学基金项目（252300420610）；河南省中医药科学研究专项课题（2024ZXZX1114）；河南省科技攻关项目（252102311287） |
|
| 摘要点击次数: 440 |
| 全文下载次数: 555 |
| 中文摘要: |
| 【摘要】目的：探讨基于静息态MRI多频带低频振幅（ALFF）构建的机器学习模型评估稳定期慢性阻塞性肺疾病（COPD）患者异常脑活动的可行性。方法：前瞻性纳入2023年3月－2024年11月在本院就诊的38例COPD患者，同期招募38例年龄、性别和受教育程度相匹配的健康志愿者（正常对照组）。搜集两组受试者的肺功能检查结果、蒙特利尔认知评估量表（MoCAs）评分及静息态功能MRI资料。对比两组间性别、年龄、受教育程度和MoCAs评分等临床资料的差异，同时分析conventional频带及各slow频带下AAL-116脑区的ALFF值的组间差异。以不同频带下AAL-116脑区的ALFF值作为特征向量，采用支持向量机（SVM）、极限梯度提升（XGBoost）和随机森林（RF）三种机器学习方法构建COPD预测模型。采用符合率、召回率、F1分数和AUC四项指标评估各模型的预测效能。结果：COPD组与对照组的年龄、性别等人口学指标间的差异均无统计学意义（P>0.05）；肺功能指标（FVC、FEV1、FEV1/FVC等）均显著低于对照组（P<0.001）；且MoCAs评分显著降低（24.63 vs. 27.16,P<0.001），其中视空间与执行功能、命名、注意、抽象及延迟回忆五个维度的评分下降明显（P<0.05）。全脑多频带ALFF分析显示COPD组多个脑区（如右侧额中眶回、小脑、壳核等）存在低频振幅异常。基于ALFF特征构建的随机森林模型对COPD的识别效能最佳（符合率=81.25%，AUC=0.891），各频带模型中以slow-4频带模型的效能最优（符合率=87.50%，AUC=0.890）。结论：多频带全脑ALFF分析结合机器学习方法的融合策略在异质性脑疾病的研究中具有可行性，slow-4频带可能是COPD脑功能研究的最佳观测窗口。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
