SZ
Shi-Jie Zheng
Author with expertise in Observation and Study of Gravitational Waves Phenomenon
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
6
(67% Open Access)
Cited by:
207
h-index:
23
/
i10-index:
57
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Deep learning‐based structure segmentation and intramuscular fat annotation on lumbar magnetic resonance imaging

Yefu Xu et al.Sep 1, 2024
Abstract Background Lumbar disc herniation (LDH) is a prevalent cause of low back pain. LDH patients commonly experience paraspinal muscle atrophy and fatty infiltration (FI), which further exacerbates the symptoms of low back pain. Magnetic resonance imaging (MRI) is crucial for assessing paraspinal muscle condition. Our study aims to develop a dual‐model for automated muscle segmentation and FI annotation on MRI, assisting clinicians evaluate LDH conditions comprehensively. Methods The study retrospectively collected data diagnosed with LDH from December 2020 to May 2022. The dataset was split into a 7:3 ratio for training and testing, with an external test set prepared to validate model generalizability. The model's performance was evaluated using average precision (AP), recall and F1 score. The consistency was assessed using the Dice similarity coefficient (DSC) and Cohen's Kappa. The mean absolute percentage error (MAPE) was calculated to assess the error of the model measurements of relative cross‐sectional area (rCSA) and FI. Calculate the MAPE of FI measured by threshold algorithms to compare with the model. Results A total of 417 patients being evaluated, comprising 216 males and 201 females, with a mean age of 49 ± 15 years. In the internal test set, the muscle segmentation model achieved an overall DSC of 0.92 ± 0.10, recall of 92.60%, and AP of 0.98. The fat annotation model attained a recall of 91.30%, F1 Score of 0.82, and Cohen's Kappa of 0.76. However, there was a decrease on the external test set. For rCSA measurements, except for longissimus (10.89%), the MAPE of other muscles was less than 10%. When comparing the errors of FI for each paraspinal muscle, the MAPE of the model was lower than that of the threshold algorithm. Conclusion The models demonstrate outstanding performance, with lower error in FI measurement compared to thresholding algorithms.
0

Causal association between cholecystectomy and fracture: A Mendelian randomization study

Shi-Jie Zheng et al.Dec 6, 2024
Previous observational studies have reported that cholecystectomy is associated with an increased risk of fracture. However, the causality of this association remains unclear. This study aimed to explore the causal relationship between cholecystectomy and fracture using a Mendelian randomization (MR) approach. Our primary analytical method was the comprehensive two-sample MR analysis, with inverse variable weighting (IVW) serving as the main analysis technique. In addition, we use Bayesian weighted MR analysis to further confirm the results of IVW method. To enhance the robustness of our findings, we employed multiple analytical approaches including MR-Egger, weighted mode, simple mode, and weighted median. We further conducted sensitivity analyses to validate the stability and feasibility of our dataset. The results of IVW methods showed that there had no significant causal effect of cholecystectomy on fracture (forward P value: .82, .63, .96, .60, .19, .40, .58, .38, .37, .97, and .50 for fracture of wrist and hand, fracture of femur, fracture of foot, fracture of forearm, fracture of lower leg, fracture of lumbar spine and pelvis, fracture of neck, fracture of ribs, fracture of shoulder and upper arm, fracture of skull and facial bones, and fracture of spine), the results of Bayesian weighted MR showed similar results (P > .05). In the reverse, fracture of femur (P = .01) and fracture of shoulder and upper arm (P = .01) showed increased risks of cholecystectomy. The sensitivity analysis showed that none of our analyses were horizontally pleiotropic (P > .05 for MR-Egger's intercept method). Our results do not support the causal effect of cholecystectomy on fracture, which was opposite to most previous observational studies.