您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览140 | 下载64

目的 观察MRI纹理分析诊断注意缺陷多动障碍(ADHD)及分型的效果.方法 基于纽约大学医学中心公开MRI数据选取88例ADHD患者(ADHD组)及67名健康受试者(对照组),将ADHD组分为注意力缺陷为主型(ADHD-D亚组(n=32)和混合型(ADHD-C)亚组(n=56),提取并比较受试者脑白质和脑灰质的纹理特征差异.比较ADHD组与对照组、ADHD-I亚组与ADHD-C亚组间纹理特征差异,以Spearman相关分析剔除相关性较高的冗余特征.基于具有显著差异的纹理特征构建支持向量机(SVM)模型,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价SVM模型诊断ADHD及分型的效能.结果 ADHD-I亚组、ADHD-C亚组及对照组间共12个脑灰质纹理特征及14个脑白质纹理特征差异具有统计学意义(P均<0.05).基于24个脑灰质特征的SVM模型鉴别ADHD组与对照组的AUC为0.85,准确率为72.00%,敏感度为80.00%,特异度为60.00%;联合1个脑灰质和18个脑白质特征的SVM模型区分ADHD分型的AUC为0.81,准确率为84.00%,敏感度为93.33%,特异度为70.00%.结论 MRI纹理分析可用于诊断ADHD并分型.

作者:林椿森;路伟钊;李文勤;李晶磊;闵刚;石丽婷

来源:中国医学影像技术 2022 年 38卷 2期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:140 | 下载:64
作者:
林椿森;路伟钊;李文勤;李晶磊;闵刚;石丽婷
来源:
中国医学影像技术 2022 年 38卷 2期
标签:
注意缺陷障碍伴多动;纹理分析;磁共振成像
目的 观察MRI纹理分析诊断注意缺陷多动障碍(ADHD)及分型的效果.方法 基于纽约大学医学中心公开MRI数据选取88例ADHD患者(ADHD组)及67名健康受试者(对照组),将ADHD组分为注意力缺陷为主型(ADHD-D亚组(n=32)和混合型(ADHD-C)亚组(n=56),提取并比较受试者脑白质和脑灰质的纹理特征差异.比较ADHD组与对照组、ADHD-I亚组与ADHD-C亚组间纹理特征差异,以Spearman相关分析剔除相关性较高的冗余特征.基于具有显著差异的纹理特征构建支持向量机(SVM)模型,绘制受试者工作特征(ROC)曲线,计算曲线下面积(AUC),评价SVM模型诊断ADHD及分型的效能.结果 ADHD-I亚组、ADHD-C亚组及对照组间共12个脑灰质纹理特征及14个脑白质纹理特征差异具有统计学意义(P均<0.05).基于24个脑灰质特征的SVM模型鉴别ADHD组与对照组的AUC为0.85,准确率为72.00%,敏感度为80.00%,特异度为60.00%;联合1个脑灰质和18个脑白质特征的SVM模型区分ADHD分型的AUC为0.81,准确率为84.00%,敏感度为93.33%,特异度为70.00%.结论 MRI纹理分析可用于诊断ADHD并分型.