《临床放射学杂志》发表论文赏析
作者:欧阳建龙, 罗显廷, 陈志颖, 陈亮, 刘浩, 胡悦, 尹家瑜, 周宇元
单位:332100 九江,九江学院附属医院放射科欧阳建龙、罗显廷、陈 亮、刘 浩、胡 悦、周宇元,神经内科陈志颖; 530021 南宁,南宁市第一人民医院放射科尹家瑜
摘要:目的基于影像组学结合机器学习建立模型预测自发性脑出血患者近期预后并对模型进行验证。方法回顾性搜集九江学院附属医院573例自发性脑出血患者的影像学特征及临床资料,构成训练集;并采用南宁市第一人民医院100例自发性脑出血患者的资料作为外部验证集。基于 LASSO 算法进行变量降维,采用 10 折交叉验证优化其正则化参数。利用选定的最优参数构建预测模型。随后,在训练集上拟合多因素 <em>Logistic</em> 回归模型建立联合预测模型,并计算受试者工作特征曲线曲线下面积(AUC)以评价模型的判别效能。结果通过比较临床模型、影像组学模型和联合模型的性能:临床模型在训练集和外部验证集的敏感度、特异度和AUC分别为0.710、0.792、0.828和0.526、0.857、0.706;影像组学模型在训练集和外部验证集的敏感度、特异度和AUC分别为0.713、0.785、0.832和0.772、0.612、0.717;联合模型在训练集和外部验证集的敏感度、特异度和AUC分别为0.710、0.846、0.860和0.579、0.857、0.725。综上,联合模型的性能最佳。模型评估结果显示校准曲线图验证了联合模型的良好预测准确性;同时,临床决策曲线分析证实该模型具有理想的临床净获益。结论本研究通过整合影像组学特征和临床基线资料并应用机器学习方法构建的列线图,可为自发性脑出血患者的近期预后风险评估提供一种有效的个体化预测工具。
关键词:自发性脑出血,影像组学,机器学习,列线图,断层摄影术,X线计算机
基金资助:本研究系江西省自然科学基金资助项目(编号:20252BAC240545); 江西省卫生健康委科技计划资助项目(编号:SKJP1220242116); 广西壮族自治区卫生健康委员会自筹经费课题资助项目(编号:Z-A20221079)
2026年3期其他文献查阅:
临床常规CT与影像组学模型预测自发性脑出血患者近期预后:一项双中心研究
扩散加权成像纹理分析在鉴别鼻腔鼻窦内翻性乳头状瘤起源部位与周边部位中的价值
内淋巴积水MRI研究的学术态势与知识图谱构建——基于Web of science的可视化分析
心脏磁共振特征追踪技术对心肌炎定量评估及预后风险分层价值分析
超低剂量超高分辨率光子计数探测器CT评估肺结节图像质量和体积变异
基于Transformer和影像组学的融合模型术前预测食管鳞癌周围神经侵犯
肝脾双靶区CT影像组学联合临床指标模型的构建与验证:用于预测肝癌术后辅助TACE的早期复发
整合可解释的多区域影像组学和身体成分参数预测肝细胞癌微血管侵犯
HR-MRI评分系统在老年直肠癌患者病理分级、淋巴结转移及神经侵犯评估中的应用价值
透明细胞癌可能性评分鉴别肾透明细胞癌与非透明细胞癌的价值研究
瘤内和瘤周MRI影像组学模型评估早期宫颈鳞癌宫旁浸润的初步研究
融合空间注意力与残差学习的Res-nnUnet模型在膝关节软骨分割中的应用研究
基于定量CT分析腹部脂肪指标与Ⅱ型糖尿病患者脑白质高信号的关联