European Radiology:基于T1 mapping的自动机器学习在HCM心肌纤维化方面的应用
2021-12-26 shaosai MedSci原创
肥厚型心肌病(HCM)是最常见的遗传性心肌病,其特点是不明原因的心肌肥厚和纤维化改变。晚期钆增强(LGE)的心脏MRI表现一直被认为是识别心肌纤维化的首要影像学表现。
肥厚型心肌病(HCM)是最常见的遗传性心肌病,其特点是不明原因的心肌肥厚和纤维化改变。晚期钆增强(LGE)的心脏MRI表现一直被认为是识别心肌纤维化的首要影像学表现。然而最近有证据表明,以钆为基础的造影剂在人体组织中会长期蓄积,特别是在中枢神经系统中尤为显著,这引起了人们对这种技术安全性的关注。
相比之下,native T1 mapping作为一项不需要使用钆对比剂即可成像的影像学手段,已经成为检测心肌纤维化的一种定量且客观的方法。然而,由于信号不均匀性和信号异常分布的细微变化可能会被忽略,因此,T1 mapping上异常区域的信号阈值定义和视觉评估仍十分困难。此外,健康心肌和异常心肌的T1弛豫时间可能存在重叠。
在过去的十年里,放射组学领域有了长足的发展,该技术通过高通量提取许多肉眼无法察觉的定量特征,可提供有关组织变化的影像学生物标志物。在HCM的情况下,使用native T1 mapping的放射组学模型的诊断性能比传统的图像判析更有价值。然而,没有一个放射组学模型能在每个数据集上都有良好的表现。TPOT是一项新兴的自动机器学习系统,可以自动优化机器学习通道以减少人工干预对结果的影响。虽然TPOT模型已用于各种临床应用,但该方法在检测HCM患者的心肌纤维化方面的表现尚未见报道。
近日,发表在European Radiology杂志的一项研究探讨了应用使用native T1 mapping的TPOT来识别HCM患者的心肌纤维化,为心肌纤维化的自动准确检测及HCM的快速诊断提供了技术支持。
本研究对91名HCM患者和44名健康对照者进行了心脏MRI检查。根据位置匹配的LGE图像,将HCM患者的native T1 mapping分类为LGE(+)或LGE(-)。使用TPOT实现了一个自动ML管道以用于3个二元分类:LGE(+)和LGE(-)、LGE(-)和对照以及HCM和对照。TPOT建模重复10次,以获得每个分类的最佳模型。使用敏感性、特异性、准确性和微平均曲线下面积(AUC)来评估各切片和各病例的最佳模型的诊断性能。
TPOT为3个二元分类中的每个分类生成了10个预测模型。在HCM患者的测试队列中,用最佳管道检测LGE状态所获得的诊断准确率按层面计算为0.80,按病例计算为0.79。此外,TPOT模型还显示了LGE(-)患者和对照组(准确率:切片为0.77;病例为0.78)以及所有HCM患者和对照组(准确率:两者均为0.88)之间的可区分性。
图 有LGE的HCM患者、无LGE的HCM患者和对照组的示例。HCM,肥厚型心肌病;LGE,晚期钆增强。
本研究表明,在基于放射组学特征的自动ML下,使用TPOT进行native T1 mapping分析与HCM的LGE(+)或(-)具有很好的相关性,使放射科医生能够实现自动优化ML过程。这项技术有助于可以在无需钆对比剂的情况下,为临床预测HCM患者的LGE状态提供新的见解。
原文出处:
Wan-Lin Peng,Tian-Jing Zhang,Ke Shi,et al.Automatic machine learning based on native T1 mapping can identify myocardial fibrosis in patients with hypertrophic cardiomyopathy.DOI:10.1007/s00330-021-08228-7
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
#mapping#
35
#肌纤维#
32
#PE#
31
#HCM#
38
#机器#
36