作者：朱红梅1，彭明洋2，王同兴2，陈国中2，谢光辉2，周星帆2

单位：

1.江苏省江阴市中医院影像科2.南京医科大学附属南京医院南京市第一医院医学影像科

关键词：

卒中;机器学习;影像组学;弥散加权成像;血管内取栓;预后;

中图分类号：

DOI：

10.12114/j.issn.1008-5971.2021.00.204

基金项目：

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2 632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。

参考文献：