基于计算机断层造影的放射组学分析在鉴别自发性脑出血后早期血肿扩张中的应用( Noncontrast Computed Tomography-Based Radiomics Analysis in Discriminating Early Hematoma Expansion after Spontaneous Intracerebral Hemorrhage )

Z Song D Guo Z Tang H Liu Z Zhou

目的：探讨基于多变量、放射学特征和机器学习(ML)算法的非对比度CT(NCCT)模型能否进一步提高自发性脑出血(sICH)患者早期血肿扩展(HE)的识别率。材料和方法：我们回顾性分析了2011年4月至2019年3月间261例sICH患者，他们在ictus发生6小时内进行了NCCT，并在NCCT后24小时内进行了CT随访。从初始NCCT图像中提取的临床特征、影像学征象和放射学特征，用于建立早期HE鉴别模型。采用多因素logistic回归(LR)分析建立临床-放射学模型。放射学模型、放射学-放射学模型和联合模型在训练队列(n=182)中建立，并在验证队列(n=79)中独立验证。利用接收机工作特性分析和曲线下面积(AUC)来评估识别能力。结果：临床-影像学模型鉴别早期HE的AUC为0.766。他用LR算法建立的早期鉴别放射学模型在训练队列和验证队列中的AUCs分别为0.926和0.850。放射学-放射学模型在训练和验证队列中的AUCs分别为0.946和0.867。组合模型在训练和验证队列中的AUCs分别为0.960和0.867。结论：基于多变量、放射学特征和ML算法的NCCT模型可提高早期HE的鉴别诊断率。联合模型是识别有早期HE风险的sICH患者的最佳推荐模型。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate