• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《实用心脑肺血管病杂志》 >基于弥散加权成像的影像组学特征及机器学习构建急性脑卒中患者血管内取栓治疗后预后预测模型

基于弥散加权成像的影像组学特征及机器学习构建急性脑卒中患者血管内取栓治疗后预后预测模型

页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

背景 急性脑卒中具有较高的致残、致死率,而血管内取栓(EVT)治疗可有效改善患者预后,但对其预后的评估尚缺少准确、简便的方法.因此,寻找可早期预测急性脑卒中患者EVT治疗后预后的方法对临床治疗方案的制定至关重要.目的 探讨基于弥散加权成像(DWI)的影像组学特征及机器学习构建急性脑卒中患者EVT治疗后预后预测模型,并分析其预测效能.方法 本研究为回顾性研究.选取2017年1月至2020年6月南京市第一医院收治的急性脑卒中患者280例,采用分层随机抽样法分为训练集196例和测试集84例.提取训练集患者DWI影像组学特征,应用相关分析、单因素分析和最小绝对收缩和选择算子(LASSO)回归模型筛选预测训练集患者EVT治疗后预后的DWI的影像组学特征,同时进行五折交叉验证以优化模型参数,而后采用机器学习支持向量机(SVM)算法建立训练集患者EVT治疗后预后的预测模型.绘制受试者工作特征(ROC)曲线以评估该预测模型对测试集患者EVT治疗后预后的预测效能,计算曲线下面积(AUC)、精准率、召回率、F1分数.结果 通过训练集患者EVT治疗前及治疗后的DWI共提取2632个特征,LASSO回归模型最终筛选出12个特征.基于训练集患者筛选出的12个影像组学特征,通过机器学习SVM算法建立脑卒中患者EVT治疗后预后的预测模型,ROC曲线分析结果显示,该预测模型预测测试集患者EVT治疗后预后的AUC为0.967〔95％CI(0.933,0.991)〕,精准率为0.955,召回率为0.957,F1分数为0.948.结论 基于治疗前后DWI的影像组学特征及机器学习构建的急性脑卒中患者EVT治疗后预后的预测模型具有较高的预测效能.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号