基于人工智能斑块分割超声图像的影像组学在颈动脉斑块稳定性评估中的应用

摘要：

目的 探讨基于人工智能斑块分割超声图像的影像组学评估颈动脉斑块的稳定性,以及其对颈动脉易损斑块与稳定性斑块的诊断效能.方法 171例缺血性脑卒中患者通过颈动脉彩超检查分为易损斑块组(83例)与稳定斑块组(88例).在人工智能斑块分割超声图像上提取369个影像组学特征,采用最小绝对收缩和选择算子方法 对影像组学特征进行降维和筛选,对筛选出的变量进一步支持向量机(SVM)建模和验证.应用受试者工作特征(ROC)曲线分析评估模型的敏感度、特异度和曲线下面积(AUC).结果 共筛选出21个影像组学特征参数.建立SVM模型的训练组AUC为0.984(95％置信区间:0.971～0.997),敏感度为92.0％,特异度为95.2％;验证组AUC为0.964(95％置信区间:0.935～0.993),敏感度为100.0％,特异度为84.8％.结论 基于人工智能斑块分割超声图像的影像组学模型可以有效地区分颈动脉易损斑块与稳定性斑块,为快速、准确地评估颈动脉斑块的稳定性提供了新方法 .

关键词：影像组学、人工智能、斑块分割、超声图像、医学影像、颈动脉

所属期刊栏目：18

分类号：R445.1;R651(诊断学)

在线出版日期：2021-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1-4