| 王文斌，钟鉴，曾威，李春平，刘英，易雪冰.多模态MRI影像组学联合模型在骨质疏松症中的诊断价值[J].放射学实践,2026,41(04):453-459 |
| 多模态MRI影像组学联合模型在骨质疏松症中的诊断价值 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2026.04.016 |
| 中文关键词: 腰椎 骨质疏松 磁共振成像 影像组学 |
| 基金项目: |
|
| 摘要点击次数: 469 |
| 全文下载次数: 559 |
| 中文摘要: |
| 【摘要】目的：探讨多模态MRI影像组学联合临床特征构建的机器学习模型对骨质疏松症（OP）的诊断效能。方法：回顾性纳入双中心1095例慢性腰痛患者，将来自中心A的961例患者按8∶2的比例随机分为训练集（n=768）与内部测试集（n=193），来自中心B的患者（n=134）作为外部验证集。采用DeepLabv3+MobileNet模型分割L1-L3椎体，计算Dice系数以评估模型分割的准确性。分别自T1WI、T2WI及FS-T2WI序列上提取3个椎体的影像组学特征，经t检验及LASSO回归进行特征筛选后，采用逻辑回归方法构建影像组学模型，并联合临床危险因素构建多模态联合模型。采用ROC曲线和决策曲线分析（DCA）评估各模型的效能，采用Delong检验比较模型间AUC的差异。采用沙普利加性解释（SHAP）图对联合模型的预测决策进行可解释性分析。结果：椎体分割的Dice系数达97.5%。联合模型在内部测试集和外部验证集中的AUC分别为0.807和0.741，显著高于影像组学模型（AUC分别为0.723和0.666）和临床模型（AUC分别为0.740和0.708），差异均有统计学意义（P<0.05）。SHAP分析显示在联合模型中影像组学特征的贡献度为57%，其中源自T2WI序列的影像组学特征的贡献度（33.6%）最高。结论：多模态联合模型有效整合MRI影像组学和临床特征，可为OP的影像标志物选择提供新依据；多序列中以T2WI序列对OP识别的贡献度最显著。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
