基于 DWI及机器学习构建急性脑卒中患者EVT治疗后预后预测模型!

基于扩散加权成像和机器学习的急性脑卒中患者血管内血栓治疗预后模型的构建

1.、彭2、王同兴2、2、2、周2【摘要】背景急性脑卒中致残率和死亡率高，血管内取栓术(EVT)可有效改善患者预后，但目前仍缺乏准确、简便的预后评估方法。因此，寻找一种方法来预测EVT治疗后急性脑卒中患者的预后是非常重要的。目的探讨扩散加权成像(DWI)和机器学习的成像特点，构建急性脑卒中患者EVT治疗后的预后预测模型，并分析其预测效率。方法本研究为回顾性研究。将2017年1月至2020年6月南京市第一三+医院收治的280例急性脑卒中患者，采用分层随机抽样的方法分为训练组196例和试验组84例。提取训练集中患者DWI的图像组学特征，采用相关分析、单变量分析和最小一乘收缩选择算子(LASSO)回归模型筛选训练集中预测EVT治疗后患者预后的DWI图像组学特征，并进行50%交叉验证优化模型参数。然后，利用机器学习支持向量机(SVM)算法，在训练集中建立EVT治疗后患者预后的预测模型。绘制受试者工作特征(ROC)曲线，评价预测模型对EVT治疗后试验组患者预后的预测效果，并计算曲线下面积(AUC)、准确率、召回率和F1评分。结果从EVT患者治疗前后的DWI中共提取出2 632个特征，最终通过LASSO回归模型筛选出12个特征。基于从训练组中选取的12个图像组学特征，通过机器学习SVM算法建立EVT治疗后脑卒中患者预后的预测模型。ROC曲线分析结果显示，预测模型的AUC为0.967 [95% CI (0.933，0.991)]，准确率为0.955，召回率为0.957，F1值为0.99。结论基于治疗前后DWI和机器学习的EVT治疗后急性脑卒中患者预后预测模型具有较高的预测效率。【关键词】中风；机器学习；影像学；扩散加权成像；血管内栓子切除术；预后[中国分类号]R 743[文献识别号] a

来源:，彭，，王同兴，等.基于弥散加权成像和机器学习的影像学特征，建立急性脑卒中患者血管内取栓术后预后的预测模型[J].实用心肺血管疾病杂志，2021，29 (9): 43-46，52。DOI:10.12114/J . ISSN . 1008-5971.2021 . 00 . 204 .朱洪明，彭明艳，王天祥，等.基于弥散加权成像和机器学习的急性脑卒中患者血栓腔内切除术后预后预测模型的构建[ J].中国医学与神经科学，2004 .实用心脑血管疾病杂志，2021，29( 9): 43-46，52。DOI:10.12114/j . ISSN . 1008-5971.2021 . 00 . 204。

原文如下: