Eur Radiol. 2018 Mar 29. doi : 10.1007 / s00330-018-5365-7.
리 L1,2, 팬 W1,2, 리 J1,2, 리 Q3, 왕 J4, 팬 Y5, 예 T1,2, 구오 J4, 리 S4, 장 Y4, 쳉 유4, 당나라 Y4, H H4, 양 L6,7, 주 Z8.
추상
목적 :
정맥류 발기 부전 (VED)과 관련된 뇌 구조 변화와 임상 적 증상과 무질서 기간에 대한 이러한 변화의 관계를 조사하고 기계 학습 분류법을 사용하여 VED 환자를 건강한 대조군과 구별합니다.
행동 양식:
45 VED 환자와 50 건강 컨트롤이 포함되었습니다. Voxel 기반 morphometry (VBM), 관 기반 공간 통계 (TBSS) 및 VED 환자와 임상 변수의 상관 분석이 수행되었다. 기계 학습 분류 방법은 VED 환자를 건강한 대조군과 구별하는 효과를 확인하기 위해 채택되었습니다.
결과 :
건강한 대조군과 비교했을 때, VED 환자는 좌 후 중심 이랑과 전 중심 이랑에서 대뇌 피질의 체적이 현저하게 감소한 반면, 오른쪽 중두 측만이 대뇌 피질의 체적을 유의하게 증가시켰다. 광범위한 뇌 영역에서 축 방향 확산도 (AD), 방사상 확산도 (RD) 및 평균 확산도 (MD) 값이 관찰되었습니다. VED 환자와 관련된 이러한 부위의 특정 부위는 임상 증상 및 장애 기간과 유의 한 상관 관계를 보였다. 기계 학습은 전반적인 정확도 96.7 %, 민감도 93.3 % 및 특이도 99.0 %를 사용하여 차별 된 환자를 대조군에서 분석합니다.
결론 :
VED 환자에서 피질 체적 및 백색질 (WM) 미세 구조 변화가 관찰되었으며, 임상 증상 및 기능 장애 기간과 유의 한 상관 관계를 보였다. 일부 뇌 영역의 다양한 DTI 유도 지표는 기계 학습 분석에서 보여 지듯이 VED 환자와 건강한 대조군 사이의 신뢰할만한 차별 특징으로 간주 될 수있다.
키 포인트:
• 다중 모드 자기 공명 영상은 임상의가 VED 환자를 평가하는 데 도움이됩니다. • VED 환자는 임상 증상과 관련된 대뇌 구조적 변화를 보입니다. • 머신 러닝은 뛰어난 성능으로 통제 된 VED 환자를 분석합니다. • 기계 학습 분류는 DTI의 임상 사용에 대한 예비 시연을 제공했습니다.
키워드 :
기계 학습 분류; 다중 모드 자기 공명 영상; TBSS; VBM; 정맥 발기 부전
PMID : 29600478
DOI : 10.1007/s00330-018-5365-7
;