基于 DWI及機(jī)器學(xué)習(xí)構(gòu)建急性腦卒中患者EVT治療后預(yù)后預(yù)測(cè)模型!

基于擴(kuò)散加權(quán)成像和機(jī)器學(xué)習(xí)的急性腦卒中患者血管內(nèi)血栓治療預(yù)后模型的構(gòu)建

1.、彭2、王同興2、2、2、周2【摘要】背景急性腦卒中致殘率和死亡率高，血管內(nèi)取栓術(shù)(EVT)可有效改善患者預(yù)后，但目前仍缺乏準(zhǔn)確、簡(jiǎn)便的預(yù)后評(píng)估方法。因此，尋找一種方法來預(yù)測(cè)EVT治療后急性腦卒中患者的預(yù)后是非常重要的。目的探討擴(kuò)散加權(quán)成像(DWI)和機(jī)器學(xué)習(xí)的成像特點(diǎn)，構(gòu)建急性腦卒中患者EVT治療后的預(yù)后預(yù)測(cè)模型，并分析其預(yù)測(cè)效率。方法本研究為回顧性研究。將2017年1月至2020年6月南京市第一三+醫(yī)院收治的280例急性腦卒中患者，采用分層隨機(jī)抽樣的方法分為訓(xùn)練組196例和試驗(yàn)組84例。提取訓(xùn)練集中患者DWI的圖像組學(xué)特征，采用相關(guān)分析、單變量分析和最小一乘收縮選擇算子(LASSO)回歸模型篩選訓(xùn)練集中預(yù)測(cè)EVT治療后患者預(yù)后的DWI圖像組學(xué)特征，并進(jìn)行50%交叉驗(yàn)證優(yōu)化模型參數(shù)。然后，利用機(jī)器學(xué)習(xí)支持向量機(jī)(SVM)算法，在訓(xùn)練集中建立EVT治療后患者預(yù)后的預(yù)測(cè)模型。繪制受試者工作特征(ROC)曲線，評(píng)價(jià)預(yù)測(cè)模型對(duì)EVT治療后試驗(yàn)組患者預(yù)后的預(yù)測(cè)效果，并計(jì)算曲線下面積(AUC)、準(zhǔn)確率、召回率和F1評(píng)分。結(jié)果從EVT患者治療前后的DWI中共提取出2 632個(gè)特征，最終通過LASSO回歸模型篩選出12個(gè)特征。基于從訓(xùn)練組中選取的12個(gè)圖像組學(xué)特征，通過機(jī)器學(xué)習(xí)SVM算法建立EVT治療后腦卒中患者預(yù)后的預(yù)測(cè)模型。ROC曲線分析結(jié)果顯示，預(yù)測(cè)模型的AUC為0.967 [95% CI (0.933，0.991)]，準(zhǔn)確率為0.955，召回率為0.957，F(xiàn)1值為0.99。結(jié)論基于治療前后DWI和機(jī)器學(xué)習(xí)的EVT治療后急性腦卒中患者預(yù)后預(yù)測(cè)模型具有較高的預(yù)測(cè)效率?！娟P(guān)鍵詞】中風(fēng)；機(jī)器學(xué)習(xí)；影像學(xué)；擴(kuò)散加權(quán)成像；血管內(nèi)栓子切除術(shù)；預(yù)后[中國(guó)分類號(hào)]R 743[文獻(xiàn)識(shí)別號(hào)] a

來源:，彭，，王同興，等.基于彌散加權(quán)成像和機(jī)器學(xué)習(xí)的影像學(xué)特征，建立急性腦卒中患者血管內(nèi)取栓術(shù)后預(yù)后的預(yù)測(cè)模型[J].實(shí)用心肺血管疾病雜志，2021，29 (9): 43-46，52。DOI:10.12114/J . ISSN . 1008-5971.2021 . 00 . 204 .朱洪明，彭明艷，王天祥，等.基于彌散加權(quán)成像和機(jī)器學(xué)習(xí)的急性腦卒中患者血栓腔內(nèi)切除術(shù)后預(yù)后預(yù)測(cè)模型的構(gòu)建[ J].中國(guó)醫(yī)學(xué)與神經(jīng)科學(xué)，2004 .實(shí)用心腦血管疾病雜志，2021，29( 9): 43-46，52。DOI:10.12114/j . ISSN . 1008-5971.2021 . 00 . 204。

原文如下: