论著-人工智能影像
CT纹理分析联合机器学习对急性脑梗死出血性转化的预测价值分析
作者：闫春春1,2 姬若诗3 徐 鹏1,4,*
所属单位：1.徐州医科大学医学影像学院 (江苏 徐州 221004) 2.蚌埠医科大学第一附属医院放射科 (安徽 蚌埠 233099) 3.蚌埠医科大学第二附属医院放射科 (安徽 蚌埠 233040) 4.徐州医科大学附属医院影像科 (江苏 徐州 221006)
PDF摘要
目的 探究CT纹理分析联合机器学习对急性脑梗死后出血性转化的预测价值．方法 回顾性分析2021年1月至2023年9月入院治疗的急性脑梗死患者的CT图像资料，比较溶栓治疗后发生出血性转化组(n=78)和未出血组(n=122)之间CT梗死区形态参数的差异，在CT图像上提取梗死区域的纹理特征参数，分别基于纹理、形态特征构建多种机器学习模型，采用受试者工作特征(ROC)曲线及曲线下面积(AUC)评估模型的预测效能。结果 梗死部位梗死面积及是否为多发梗死灶等形态特征具有统计学意义(P<0.05)；以纹理特征构建的机器学习模型能更好的预测出血性转化，整体效能高于形态特征模型，其中XGBoost和CatBoost预测效能最高。结论 基于CT纹理分析可有效预测急性脑梗死出血性转化。
【关键词】脑梗死；纹理分析；CT成像；出血性转化；预测价值
【中图分类号】R445.3
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2024.08.053
中国CT和MRI杂志
第22卷， 第 8 期
2024年08月
相关文章
编辑部邮箱：（1）中国CT和MRI杂志：ctmri@vip.163.com；（2）罕少疾病杂志：hs1999@vip.163.com
联系电话：0755-83695203
公司地址： 深圳市龙岗区坂田街道坂田社区吉华路489号乐荟科创中心13栋G层12房
简体中文
English
个人中心
微信公众号
头条号