| 摘 要： | 目的 探讨基于MRI放射组学特征的机器学习（machine learning, ML）模型对脊髓型颈椎病（cervical spondylotic myelopathy, CSM）进行危险度分级的价值。材料与方法 回顾性分析临床诊断为CSM的患者病例317例，并使用日本骨科协会（Japanese Orthopaedic Association, JOA）评估治疗分数分为轻症组193例和中重度组124例。手动勾画脊髓轴位T2WI像生成感兴趣区（region of interest, ROI）并提取放射组学特征，使用Z-Score标准化进行统一量度，皮尔森相关系数（Pearson correlation coefficients, PCC）进行数据降维。使用递归特征消除（recursive feature elimination, RFE）进行特征筛选，并使用逻辑回归（logistic regression, LR）、自适应增强机（adaboost, AB）、贝叶斯算法（native Bayes, NB）及支持向量机（support vector machine,SVM）四种分类器模型来构...
|
