中型颅脑损伤影像延迟恶化评估新模型研究
谷雨丰
侯悦茹
边仁杰
肖海明
李强
李婉
章启航
冯达云
葛顺楠
空军军医大学唐都医院神经外科,陕西西安 710038
摘要：目的 探讨中型创伤性颅脑损伤(mTBI)患者延迟恶化特征及相关因素,构建影像延迟恶化评估模型.方法 采用多中心回顾性队列研究设计,纳入2015年1月至2022年12月收治的363例mTBI患者,其中训练集233例(单中心)、验证集130例(多中心).基于nnUNet深度学习框架实现CT影像的自动化出血/水肿分割及脑区分区,结合CatBoost机器学习算法构建以"入院72 h内脑挫伤体积进展＞80％"为结局事件的预测模型.通过Shapley加性解释(SHAP)解析关键预测因子,并采用SMOTE重采样与交叉验证优化模型效能.结果 最终模型AUC达0.80[95％CI(0.76,0.84)],显著优于传统评分系统.SHAP分析显示,颞叶血肿体积(SHAP值6.31)、血肿长轴(SHAP值5.15)、白细胞计数(SHAP值4.68)、纤维蛋白原(SHAP值4.07)、水肿体积(SHAP值3.85)及血清钙(SHAP值3.72)为关键预测因子.模型验证显示准确率80.65％,F1分数0.79,具备良好的临床鉴别能力.结论 基于mTBI患者入院病例资料构建的CatBoost模型整合多模态数据,系统量化了病史资料、脑挫伤病灶形态学参数与全身炎症/凝血指标的协同预测价值,为mTBI分层管理提供智能化决策工具.
关键词：颅脑损伤创伤性疾病进展断层摄影术X射线计算机深度学习机器学习血肿临床恶化算法
分类号：R651.15(外科学各论)
资助基金：国家自然科学基金(82271318)
论文发表日期：2026-02-28
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：7( 224-230 )
英文信息