Eur Radiol. 2018 Mar 29. doi: 10.1007 / s00330-018-5365-7.
Li L1,2, Ventilator W1,2, Li J1,2, Li Q3, Wang J4, Ventilator Y5, Ye T1,2, Guo J4, Li S4, Zhang Y4, Cheng Y4, Tang Y4, Zeng H4, Yang L6,7, Zhu Z8.
Minimalizem
CILJI:
Preučiti možganske strukturne spremembe, povezane z vensko erektilno disfunkcijo (VED), in povezanost teh sprememb s kliničnimi simptomi in trajanjem motnje ter razlikovati bolnike z VED od zdravih kontrol s klasifikacijo strojnega učenja.
METODE:
Vključeni so bili bolniki z 45 VED in zdrave kontrolne skupine 50. Opravljena je bila morfometrija na osnovi voksela (VBM), prostorska statistika na osnovi trakta (TBSS) in korelacijske analize bolnikov z VED in klinične spremenljivke. Metoda klasifikacije strojnega učenja je bila sprejeta za potrditev njene učinkovitosti pri razlikovanju bolnikov z VED od zdravih kontrol.
REZULTATI:
V primerjavi z zdravimi kontrolnimi osebami so bolniki z VED pokazali znatno zmanjšan kortikalni volumen v levem postcentralnem gyrusu in precentralnem gyrusu, medtem ko je le desni srednji temporalni gyrus izrazito povečal kortikalni volumen. V razširjenih regijah možganov so opazili povečano osno difuzivnost (AD), radialno difuzivnost (RD) in povprečno vrednost difuznosti (MD). Nekatere regije teh sprememb, povezanih z bolniki z VED, so pokazale pomembno povezavo s kliničnimi simptomi in trajanjem motnje. Strojno učenje analizira diskriminirane paciente iz kontrol s skupno natančnostjo 96.7%, občutljivostjo 93.3% in specifičnostjo 99.0%.
SKLEPI:
Pri bolnikih z VED so opazili kortikalne volumne in mikrostrukturne spremembe bele snovi (WM), ki so pokazale pomembne povezave s kliničnimi simptomi in trajanjem disfunkcije. Različni indeksi možganskih regij, pridobljenih z DTI, bi se lahko obravnavali kot zanesljive razlikovalne lastnosti med bolniki z VED in zdravimi osebami, ki jih nadzorujejo, kar kažejo analize strojnega učenja.
KLJUČNE TOČKE:
• Multimodalno slikanje z magnetno resonanco pomaga zdravnikom pri oceni bolnikov z VED. • Pri bolnikih z VED se kažejo možganske strukturne spremembe, povezane s kliničnimi simptomi. • Strojno učenje analizira bolnike z VED iz kontrol z odličnim delovanjem. • Klasifikacija strojnega učenja je zagotovila predhodni prikaz klinične uporabe DTI.
KLJUČNE BESEDE:
Strojna klasifikacija; Multimodno slikanje z magnetno resonanco; TBSS; VBM; Venska erektilna disfunkcija
PMID: 29600478
DOI: 10.1007/s00330-018-5365-7
;
