论著-中枢神经
基于CT平扫的影像组学模型对急性脑梗死出血转化的预测价值
作者:皋九鑫1 王东升1 李 硕1 张梦璐1 周 波1 李海亮2 杜 波2 程言博2,* 耿德勤2
所属单位:1.徐州医科大学第一临床医学院 (江苏 徐州 221004) 2.徐州医科大学附属医院神经内科 (江苏 徐州 221002)
PDF摘要
目的 构建基于脑梗死急性期平扫CT的影像组学机器学习模型,并评估其对急性脑梗死患者出血转化的预测价值。方法 采用回顾性队列研究分析2019年至2023年收治的110例急性脑梗死的临床资料及影像资料。按发病7天内有无发生出血转化将患者分为出血转化组和非出血转化组,将原始数据按照3:1分为训练集和测试集。基于训练集构建随机森林模型(RF)、支持向量机模型(SVM)、K近邻算法模型(KNN)以及将以上模型融合后的集成模型(Stacking)。在测试集上根据ROC曲线下面积(AUC)、F1值来评价模型预测效能。结果 多因素Logistic回归结果显示减少肝素(P=0.0046)和阿加曲班(P=0.0128)的使用为急性脑梗死出血转化的危险因素。RF、SVM、KNN、Stacking模型在测试集上的AUC分别是0.84、0.85、0.88、0.86,F1值分别为0.76、0.81、0.85、0.85,以上4个模型均具有较高的预测能力。结论 基于CT平扫的影像组学模型能够很好地预测急性脑梗死出血转化。
【关键词】脑梗死;出血转化;影像出血;机器学习
【中图分类号】R743.34
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2025.02.002
中国CT和MRI杂志
第23卷, 第 2 期
2025年02月
相关文章