论文部分内容阅读
目的
构建一个预测高血压脑出血早期血肿扩大的影像组学模型并探讨其预测价值。
方法对北京潞河医院神经外科自2010年2月至2018年8月收治的发病6 h内的212例高血压脑出血患者于入院后0.5 h内行头颅CT检查，于入院后24 h内行头颅CT复查，依据血肿体积差异判断有无血肿扩大。在首次CT资料上勾画感兴趣区域，应用Matlab软件从中提取431个影像学特征，通过最小绝对收缩与选择算子(LASSO)回归模型筛选出预测效果最强的影像学特征，进一步用所选特征和支持向量机分类器(SVM)构建预测模型。使用受试者工作特征曲线(ROC)评价预测模型的预测效果。
结果头颅CT复查发现血肿扩大发生率为18.9%(40/212)。通过LASSO回归模型筛选出18个影像学特征[图像灰度基本特征4个(标准差、峰度、能量、方差)，图像形状和体积特征1个(表面和体积比)，纹理类特征7个(长行程低灰度优势、惯性、90°相关性、短行程优势、全角相关性、长行程优势、逆差距)，小波特征6个(自相关_3、相关信息测度2_3、长行程高灰度优势_4、短行程高灰度优势_4、短行程低灰度优势_7、总变异_3)]，并结合SVM构建了预测模型。预测模型的ROC曲线下面积为0.928，敏感性和特异性分别为92.5%、83.5%。
结论构建的影像组学模型有助于对高血压脑出血早期血肿扩大进行预测。