来源：期刊VIP网 时间：
作者：钟毅;杨海涛;许张燕;朱同心;曾维;蒲永良;蒋璐;
单位：重庆医科大学附属第一医院放射科;重庆市渝北区中医院医学影像科;
摘要：目的 探讨基于MRI影像组学和语义特征的联合模型在鉴别良恶性椎体压缩性骨折（vertebral compression fractures,VCFs）中的价值，比较不同机器学习算法的诊断性能。材料与方法 纳入2018年1月至2022年12月期间就诊于重庆医科大学附属第一医院（中心一）及重庆市渝北区中医院（中心二）的449例VCFs患者（550个椎体），其中中心一共229例（103例良性，126例恶性），中心二共220例（163例良性，57例恶性）。中心一数据按7∶3比例分为训练集和内部验证集，中心二数据作为外部验证集。提取MRI矢状位序列[T1WI、T2WI、T2WI-脂肪抑制（fat saturation, FS）]的影像组学特征，结合语义特征，采用逻辑回归（logistic regression, LR）、随机森林（random forest, RF）和支持向量机（support vector machine, SVM）构建临床模型、影像组学模型及联合模型，比较不同模型在训练集和验证集中的受试者工作特征（receiver operating characteristic, ROC）曲线下面积（area under the curve, AUC）值。结果 联合模型整合2个语义特征和4个影像组学特征。采用LR算法构建的联合模型在训练集、内部验证集和外部验证集中的AUC分别为0.957[95%置信区间（confidence interval, CI）:0.921～0.983]、0.936(95%CI:0.871～0.975)和0.921(95%CI:0.872～0.960)，显著优于临床模型和单序列影像组学模型（DeLong检验P<0.05）。联合模型在校准曲线中表现出良好的校准性能，并在决策曲线分析中显示出更高的临床净收益。结论 基于影像组学和语义特征的联合模型结合LR算法，可显著提高MRI对VCFs的诊断准确性，为临床提供精准、高效的辅助诊断工具。
关键词：良性椎体压缩骨折;;恶性椎体压缩骨折;;磁共振成像;;影像组学;;语义特征
