基于脑梗死和脑脊液的影像组学预测急性脑卒中机械取栓术后恶性脑水肿发生的分析
徐敬敬1
王志楠1
徐翔1
马跃虎2
彭明洋2
陈国中2
谢光辉2
1.江苏省南京市中西医结合医院放射科 江苏 南京 2100002.南京医科大学附属南京医院(南京市第一医院)医学影像科 江苏南京 210006
摘要：目的 探讨基于急性脑卒中弥散加权成像(diffusion weighted imaging,DWI)核心梗死区及脑脊液的影像组学特征,通过机器学习构建急性脑卒中机械取栓术后恶性脑水肿发生的预测模型.方法 选取 155 例急性脑卒中患者的MRI图像,基于软件自动分割DWI高信号梗死区及脑脊液区,应用AK软件进行影像组学特征提取和降维,采用最小冗余最大相关特征选择方法筛选最佳影像组学特征,通过支持向量机分类器构建恶性水肿发生的预测模型.结果 经筛选后具有 10 个特征的子集(包含 7 个DWI脑梗死特征和 3 个脑脊液特征)获得了最高的平均AUC值,并被指定为最终的特征子集纳入模型分析.ROC分析显示训练集患者预测恶性脑水肿的AUC为 0.975,敏感度、特异度和准确度分别为 90.3％、69.8％、93.5％;测试集患者预测恶性脑水肿的AUC为 0.893,敏感度、特异度、准确度分别为 86.8％、90.3％、87.1％.结论 基于DWI脑梗死和脑脊液影像组学特征的机器学习,能够较为准确地预测急性脑卒中机械取栓术后恶性脑水肿的发生,为临床早期干预治疗提供指导.
关键词：卒中磁共振成像脑脊液恶性脑水肿机器学习
分类号：R743.3(神经病学与精神病学)R445.2(诊断学)
资助基金：国家自然科学基金(82001811)
论文发表日期：2024-01-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 7-10 )
英文信息