摘要
目的 研究头颅 CT平扫脑血肿及周围水肿影像组学特征的机器学习模型对自发性脑出血短期内血肿扩大的预测价值。方法 回顾性收集2022年12月至2025年01月在蚌埠医科大学第一附属医院就诊的脑出血患者共92例，根据复查后血肿容量增加大于6ml或血肿体积增大33%以上，将患者分为血肿扩大组(27例)与血肿未扩大组(65例)，对患者CT图像进行处理，构建机器学习模型；通过受试者操作特征ROC曲线分析模型性能，采用混淆矩阵、决策曲线分析来评估模型的校准度。结果 8种模型中，极端梯度增强与随机森林模型表现较优，AUC值分别为1、0.964，其中极端梯度增强AUC值为1，可能存在模型过拟合的情况，随机森林模型更适合作为核心模型；支持向量机AUC值为0.053，可能因为数据分布、参数设置或特征工程问题导致失效；临床特征中PLT显示了较明显的相关性(P＜0.05)。结论 使用机器学习训练的影像组学模型在预测自发性脑出血短期内血肿扩大时，具有良好的效能。
【关键词】体层摄影技术；脑出血；水肿；影像组学；机器学习
【中图分类号】R722.15+1
【文献标识码】A
【DOI】10.3969/j.issn.1672-5131.2025.10.002
中国CT和MRI杂志
第23卷， 第 10 期
2025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