论著-头颈部
机器学习方法构建基于CT血管成像预测颅内动脉瘤破裂模型的研究*
作者：黄建宁1 周少旦2 叶禹彤1 何 飞1 胡瑞光2 赵凡玉2 胡瑞婷2,*
所属单位：1.南宁市第二人民医院放射科 (广西 南宁 530021) 2.广西壮族自治区民族医院神经内科 (广西 南宁 530001)
PDF摘要
目的 探讨机器学习方法(LASSO回归)构建基于CT血管成像(CTA)预测颅内动脉瘤破裂模型的价值研究。方法 收集133例颅内动脉瘤患者的临床资料和CTA检查结果，根据是否破裂分为破裂组(103例)和未破裂组(30例)。对比两组患者临床资料和CTA检查参数差异；分别使用Logistic回归和LASSO回归筛选与动脉瘤破裂相关的危险因素，再构建预测模型。结果 与未破裂组患者相比，破裂组患者糖尿病史例数、不规则瘤体形态例数以及合并子囊例数较多、入射角度较高。单因素Logistic回归显示糖尿病史、瘤体形态合并子囊数、入射角度与动脉瘤破裂相关，使用这4个指标构建的模型其对动脉瘤破裂的预测效能中等，AUC值为0.766。LASSO回归筛选出糖尿病史、瘤形态、数量、宽度、入射夹角和子囊数均与颅内动脉瘤破裂显著相关，构建的模型其预测效能较高，AUC值为0.902。结论 糖尿病史、瘤体形态，合并子囊、入射角度与动脉瘤破裂相关，LASSO回归构建的预测模型能较好地预测颅内动脉瘤破裂的风险。
【关键词】颅内动脉瘤；破裂；LASSO回归分析；CT血管成像
【中图分类号】R743；R816.1
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2024.10.011
中国CT和MRI杂志
第22卷， 第 10 期
2024年10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