基于 DWI及機器學習構(gòu)建急性腦卒中患者EVT治療后預后預測模型!
基于擴散加權(quán)成像和機器學習的急性腦卒中患者血管內(nèi)血栓治療預后模型的構(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)可有效改善患者預后,但目前仍缺乏準確、簡便的預后評估方法。因此,尋找一種方法來預測EVT治療后急性腦卒中患者的預后是非常重要的。目的探討擴散加權(quán)成像(DWI)和機器學習的成像特點,構(gòu)建急性腦卒中患者EVT治療后的預后預測模型,并分析其預測效率。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,采用分層隨機抽樣的方法分為訓練組196例和試驗組84例。提取訓練集中患者DWI的圖像組學特征,采用相關(guān)分析、單變量分析和最小一乘收縮選擇算子(LASSO)回歸模型篩選訓練集中預測EVT治療后患者預后的DWI圖像組學特征,并進行50%交叉驗證優(yōu)化模型參數(shù)。然后,利用機器學習支持向量機(SVM)算法,在訓練集中建立EVT治療后患者預后的預測模型。繪制受試者工作特征(ROC)曲線,評價預測模型對EVT治療后試驗組患者預后的預測效果,并計算曲線下面積(AUC)、準確率、召回率和F1評分。結(jié)果從EVT患者治療前后的DWI中共提取出2 632個特征,最終通過LASSO回歸模型篩選出12個特征。基于從訓練組中選取的12個圖像組學特征,通過機器學習SVM算法建立EVT治療后腦卒中患者預后的預測模型。ROC曲線分析結(jié)果顯示,預測模型的AUC為0.967 [95% CI (0.933,0.991)],準確率為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和機器學習的EVT治療后急性腦卒中患者預后預測模型具有較高的預測效率?!娟P(guān)鍵詞】中風;機器學習;影像學;擴散加權(quán)成像;血管內(nèi)栓子切除術(shù);預后[中國分類號]R 743[文獻識別號] a
來源:,彭,,王同興,等.基于彌散加權(quán)成像和機器學習的影像學特征,建立急性腦卒中患者血管內(nèi)取栓術(shù)后預后的預測模型[J].實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)成像和機器學習的急性腦卒中患者血栓腔內(nèi)切除術(shù)后預后預測模型的構(gòu)建[ J].中國醫(yī)學與神經(jīng)科學,2004 .實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:
本文網(wǎng)址:http://m.gmeo.cn/news/984.html
相關(guān)標簽:中國醫(yī)學
最近瀏覽:
相關(guān)產(chǎn)品:
相關(guān)新聞:
- 戴上AR眼鏡,跟著“導航”做手術(shù)!這張醫(yī)療設(shè)施榜單初次公布,排名第一的國成品牌已占三分之一
- 針灸銅人:讓千年前的聰慧“活”起來
- ?中古期間醫(yī)學:四、中國中古期間的醫(yī)學
- 醫(yī)學試驗植物研發(fā)所的植物模型為疫苗研究和藥品運用闡揚較大功效
- 3D打印技術(shù):應用于醫(yī)學授學與手術(shù),以口腔頜面醫(yī)治為例
- 種子磁力鏈接聚合搜索工具-magnetW老司機必備的5個資源網(wǎng)站,第3個還能搜索種子BT!除了常見的搜索引擎,您還須要知曉這類良知的搜索神器python爬蟲入門01:教你在 Chrome 瀏覽器輕盈抓包這5個在線資源網(wǎng)站較強大,能幫你搜到99%的資源!5款SteamVR動作游戲分享舉薦10款必玩的熱點VR游戲舉薦,不玩你的Oculus Quest VR眼鏡就白買了體會完這個新品后,我感覺爽用VR的日子要來了設(shè)施太貴內(nèi)容太坑?VR前景令人擔心,誰才是順利路上的絆腳石熱點經(jīng)典VR游戲分享清點,5款優(yōu)秀Meta
- 英騰教育心肺復蘇AI科普機器人 漂洋過海 走向世界
- 西漢人體經(jīng)脈漆木模型
- 西漢人體經(jīng)脈漆木模型
- 果殼人體解剖“博物館”迎來新藏品!可以吃的那種