典型文献
基于MRI影像组学和机器学习预测急性脑卒中出血转化的研究
文献摘要：
目的 基于急性脑卒中血管内机械取栓切除术(mechanical thrombectomy,MT)前MRI影像组学特征和机器学习,分析其在预测出血转化(hemorrhagic transformation,HT)中的价值.材料与方法 回顾性分析我院神经内科行MRI检查和MT治疗的214例急性脑卒中患者临床和影像学资料.采用ITK-SNAP软件对治疗前MRI图像上的弥散加权成像(diffusion weighted imaging,DWI)高信号梗死区和灌注加权成像(perfusion weighted imaging,PWI)灌注异常区进行分割,应用AK软件进行影像组学特征提取和降维,最终使用最小绝对收缩与选择算子算法(least absolute shrinkage and selection operator,LASSO)确定HT相关的最佳影像组学特征,通过支持向量机分类器评估其在HT预测中的价值.结果 每例患者各提取792个影像组学特征,降维后筛选出10个与HT预测最相关的特征.ROC分析显示该模型预测训练集患者HT的AUC为0.984,敏感度和特异度分别为0.932、0.967;预测测试集患者HT的AUC为0.921,敏感度和特异度分别为0.826、0.852.结论 基于MRI的影像组学和机器学习分析是预测急性脑卒中HT的重要工具,对早期准确识别HT高风险患者具有较高的效能.
文献关键词：
卒中;出血转化;磁共振成像;影像组学;机器学习
中图分类号：
作者姓名：
缪丽琼;彭明洋;王同兴;陈国中;殷信道;吴刚
作者机构：
江阴市中医院放射科,无锡 214400;南京医科大学附属南京医院(南京市第一医院)医学影像科,南京 210006
文献出处：
引用格式：
[1]缪丽琼;彭明洋;王同兴;陈国中;殷信道;吴刚-.基于MRI影像组学和机器学习预测急性脑卒中出血转化的研究)[J].磁共振成像,2022(03):18-21,75
A类：
B类：
机器学习预测,急性脑卒中,出血转化,血管内机械取栓,mechanical,thrombectomy,MT,影像组学特征,预测出,hemorrhagic,transformation,HT,材料与方法,我院,神经内科,检查和,脑卒中患者,ITK,SNAP,弥散加权成像,diffusion,weighted,imaging,DWI,死区,灌注加权成像,perfusion,PWI,异常区,AK,终使,选择算子,least,absolute,shrinkage,selection,operator,LASSO,支持向量机分类器,训练集,测试集,学习分析,准确识别,高风险患者,磁共振成像
AB值：
0.343652
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
