来源：期刊VIP网 时间：
作者：尹磊;许志高;曹米兰;王强;
单位：大同市第三人民医院医学影像科;长治医学院第一临床学院;山西大同大学计算机与网络工程学院;
摘要：目的 建立基于海马MRI影像组学的预测模型，以评估2型糖尿病（type 2 diabetes mellitus, T2DM）患者的认知功能水平属于认知正常（cognitive normal, CN）、轻度认知障碍（mildly cognitively impaired, MCI）还是痴呆（dementia, Dem）。材料与方法回顾性纳入140例T2DM患者的临床资料和MRI影像资料，根据蒙特利尔认知评估量表北京版（Montreal Cognitive Assessment Beijing version, MoCA-B）评分分为CN组、MCI组及Dem组，按照7∶3的比例随机分配至训练集（n=98）和测试集（n=42）以验证模型性能。使用联影智能平台（u AI Research Portal, uRP）勾画左右海马体感兴趣区（region of interest, ROI），提取影像组学特征，用方差阈值法和特征权重评估算法（Relief）进行特征降维，将其MRI影像组学特征使用十二个分类器构建机器学习（machine learning, ML）模型，并采用混淆矩阵评估分类模型性能。在训练数据中探讨最优截止点和调整参数，并在试验数据中对模型进行进一步评价。通过比较各分类器曲线下面积（area under the curve, AUC）确定最佳算法。结果 从海马MRI的2313个原始组学特征中通过K-best选择方法确定了10个关键特征，进一步应用Select KBest，最终识别出2个最优特征。在CN组、MCI组、Dem组中使用十二个分类器进行训练时，二次判别分析（quadratic discriminant analysis, QDA）算法在分类器中表现最佳，训练集各组的AUC分别为0.869、0.854和0.893；测试集各组的AUC分别为0.819、0.779和0.811。结论 基于海马MRI的QDA模型对T2DM患者认知功能障碍及其严重程度具有预测价值。
关键词：2型糖尿病;;认知功能障碍;;磁共振成像;;影像组学;;海马体;;预测
基金资助：山西省医学重点科研项目（编号：2023XM057）;; 山西省基础研究计划自然科学研究面上项目（编号：202403021211176）;; 山西省卫生健康委员会科研课题项目（编号：2022118）;; 大同市科技局重点研发项目（编号：2024033）~~
