Estimation of Multiple Sclerosis lesion age on magnetic resonance imaging.
Estimation of Multiple Sclerosis lesion age on magnetic resonance imaging.
复制标题
DOI：
10.1016/j.neuroimage.2020.117451
复制
发表时间：
2021-01-15
期刊：
影响因子：
5.7
通讯作者：
Gauthier SA
中科院分区：
文献类型：
--
作者：
Sweeney EM;Nguyen TD;Kuceyeski A;Ryan SM;Zhang S;Zexter L;Wang Y;Gauthier SA
我们介绍了有史以来第一个统计框架，估计年龄的多发性硬化症（MS）病变的磁共振成像（MRI）。估计病变年龄是研究MS病变纵向行为的重要步骤，可用于研究慢性活动性MS病变的时间动力学等应用。我们的病变年龄估计模型使用来自常规T1（T1w）和T2加权（T2w）和液体衰减反转恢复（FLAIR）、钆对比T1w（T1w + c）和定量敏感性映射（QSM）MRI序列以及人口统计学信息的病变的一阶放射组学特征。对于该分析，我们在244个时间点共观察到32例患者的53处新病变。使用15 mm3或50 mm3的病变体积截止值，在训练集上拟合病变年龄的一步或两步随机森林模型。我们探索了九种不同建模方案的性能，包括MRI序列和人口统计信息的各种组合，一步或两步随机森林模型，以及仅使用每个MRI序列的平均放射组学特征的简单模型。验证集上的最佳性能模型是对所有MRI序列的放射组学特征使用两步随机森林模型的模型，人口统计学信息使用50 mm3的病变体积截止值。在验证集中，该模型的平均绝对误差为7.23个月（95% CI：[6.98，13.43]），中位绝对误差为5.98个月（95% CI：[5.26，13.25]）。对于该模型，预测年龄和实际年龄在验证集中具有统计学显著性相关性（p值<0.001）。
We introduce the first-ever statistical framework for estimating the age of Multiple Sclerosis (MS) lesions from magnetic resonance imaging (MRI). Estimating lesion age is an important step when studying the longitudinal behavior of MS lesions and can be used in applications such as studying the temporal dynamics of chronic active MS lesions. Our lesion age estimation models use first order radiomic features over a lesion derived from conventional T1 (T1w) and T2 weighted (T2w) and fluid attenuated inversion recovery (FLAIR), T1w with gadolinium contrast (T1w+c), and Quantitative Susceptibility Mapping (QSM) MRI sequences as well as demographic information. For this analysis, we have a total of 32 patients with 53 new lesions observed at 244 time points. A one or two step random forest model for lesion age is fit on a training set using a lesion volume cutoff of 15 mm3 or 50 mm3 . We explore the performance of nine different modeling scenarios that included various combinations of the MRI sequences and demographic information and a one or two step random forest models, as well as simpler models that only uses the mean radiomic feature from each MRI sequence. The best performing model on a validation set is a model that uses a two-step random forest model on the radiomic features from all of the MRI sequences with demographic information using a lesion volume cutoff of 50 mm3 . This model has a mean absolute error of 7.23 months (95% CI: [6.98, 13.43]) and a median absolute error of 5.98 months (95% CI: [5.26, 13.25]) in the validation set. For this model, the predicted age and actual age have a statistically significant association (p-value <0.001) in the validation set.
登录
查看更多内容
影响因子：
5.7
作者：
Jenkinson, M;Bannister, P;Smith, S
通讯作者：
Smith, S
影响因子：
3.3
作者：
Liu Z;Spincemaille P;Yao Y;Zhang Y;Wang Y
通讯作者：
Wang Y
DOI：
10.1161/circimaging.117.006843
发表时间：
2017-12
期刊：
Circulation. Cardiovascular imaging
影响因子：
--
作者：
Kolossváry M;Karády J;Szilveszter B;Kitslaar P;Hoffmann U;Merkely B;Maurovich-Horvat P
通讯作者：
Maurovich-Horvat P
影响因子：
11.2
作者：
McDonald, WI;Compston, A;Wolinsky, JS
通讯作者：
Wolinsky, JS
影响因子：
29
作者：
Absinta, Martina;Sati, Pascal;Reich, Daniel S.
通讯作者：
Reich, Daniel S.