10.3969/j.issn.1006-7795.2022.01.020]
基于同轴相衬成像方法与支持向量机算法的早期骨性关节炎的鉴别诊断
目的 利用同轴相衬成像(in-line phase contrast imaging,IL-PCI)技术与支持向量机(support vector machine,SVM)算法对正常与早期骨性关节炎(osteoarthritis,OA)软骨组织建立分类模型.方法 研究样本分别来自接受人工膝关节置换手术及创伤性关节损伤患者的离体膝关节软骨组织.实验对象分为正常组与早期OA组,每组18例.利用IL-PCI技术分别获取两组样本的电子计算机断层扫描(computed tomography,CT)图像,运用行程长度矩阵、分形维度及小波变换三种分析方法对两组样本的CT图像提取纹理参数26个,经主成分分析法降维,利用纹理参数构建支持向量机分类诊断模型,对正常软骨与早期OA软骨进行自动分类.结果 利用IL-PCI技术可以清晰观察到正常与早期OA软骨中微结构的变化.两组软骨的纹理特征参数比较显示,大部分纹理特征参数差异有统计学意义.利用SVM算法建立的分类模型能较好地区分正常与早期OA软骨组织,分类准确性可达86.1%.结论 利用支持向量机算法与同轴相衬成像方法,能够为早期OA的鉴别诊断提供一种量化判别的手段.
同轴相衬成像;支持向量机;骨关节炎;纹理特征
43
R684.3(骨科学(运动系疾病、矫形外科学))
国家自然科学基金81401549
2022-02-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
120-126