Scidown文献预览系统!
基于ct的非对比放射组学评分预测自发性脑出血血肿扩大( Non-Contrast CT-Based Radiomics Score for Predicting Hematoma Enlargement in Spontaneous Intracerebral Hemorrhage )
H Li Y Xie H Liu X Wang
本文收集了258例急性自发性脑实质出血患者的资料,建立了以CT为基础的非对比度放射学评分法,以预测自发性脑出血早期血肿扩大的风险。利用Radiomics软件对基线无对比CT图像进行血肿分割,提取血肿纹理特征。采用最小冗余最大相关性(mRMR)和最小绝对收缩选择算子(LASSO)选择最优特征子集,计算放射组学评分。放射组学模型(放射组学评分为基础)、放射组学诺模图(放射组学评分结合临床因素为基础)和临床模型(临床因素为基础)在训练队列中建立,并在测试队列中验证。对模型的鉴别、校准和临床有用性进行了评价。最后进行asubgroup分析,评估放射学评分对特定出血部位的预测价值。放射学评分由12个放射学特征组成。放射学模型和放射学诺模图对血肿扩大的预测均有良好的效果(曲线下面积,AUC0.83[0.71-0.95],AUC0.82[0.72,0.93]),均优于临床模型(AUC0.66[0.54-0.79])。放射学模型和放射学列线图显示出满意的校正和临床应用价值。在亚组分析中,放射组学评分对不同部位的血肿扩大也有较好的预测价值(幕上、幕下、深部和脑叶的AUC分别为0.828、0.940、0.836和0.904),基于非对比CT的放射组学评分可作为自发性脑出血(SICH)血肿扩大预测的生物标志物,对预测血肿扩大的临床因素有较高的增量价值。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】