简体中文

论著-中枢神经

CT影像组学预测重型颅脑损伤患者相关指数的临床研究*

作者:陈贵平* 李 敏 田志华 申建波 崔 杰 段海锋 张 浩 茹小红

所属单位:晋城市人民医院神经外科 (山西 晋城 048000)

PDF

摘要

目的 本研究旨在探讨基于CT放射组学特征的机器学习模型在预测重型颅脑损伤(sTBI)患者压力振幅相关指数(RAP)中的应用价值。方法 对36例颅脑损伤患者的临床及影像资料进行回顾性分析。所有患者均接受手术治疗、持续的颅内压监测和有创性动脉压监测。术后1h内采集压力幅值相关指数(RAP)。从患者术后1h的颅脑CT图像中选取3个感兴趣体积(VOI),每个VOI提取93个放射组学特征。建立了三个模型来评估患者的RAP水平。采用准确率、精确度、召回率、F1评分、受试者操作特征(ROC)曲线、曲线下面积(AUC)等指标评价各模型的预测效果。结果 3种RAP预测模型的最佳特征数分别为5个。对海马区模型的预测准确率为77.78%,准确率为88.24%,召回率为60%,F1得分为0.6,AUC为0.88。对脑干模型的预测准确率为63.64%,准确率为58.33%,召回率为60%,F1得分为0.54,AUC为0.82。对丘脑模型的预测准确率为81.82%,准确率为88.89%,召回率为75%,F1得分为0.77,AUC为0.96。结论 CT放射组学可以预测sTBI患者的RAP水平,有可能建立一种无创监测颅内压(NI-ICP)的方法。


【关键词】CT放射组学;重型颅脑损伤;压力振幅相关指数

【中图分类号】R651.1+5

【文献标识码】A

【DOI】10.3969/j.issn.1672-5131.2025.02.006