目的本研究基于三维(three dimensional,3D)高分辨磁共振成像(high-resolution magnetic resonance imaging,HR-MRI)颅内动脉粥样硬化斑块影像组学建立混合型卒中机制的预测模型。材料与方法回顾性分析2016年12月至2022年1月137例急性/...目的本研究基于三维(three dimensional,3D)高分辨磁共振成像(high-resolution magnetic resonance imaging,HR-MRI)颅内动脉粥样硬化斑块影像组学建立混合型卒中机制的预测模型。材料与方法回顾性分析2016年12月至2022年1月137例急性/亚急性期缺血性卒中患者的HR-MRI及扩散加权成像(diffusion weight imaging,DWI)的影像资料。根据DWI的病变分布模式,将患者分为混合型机制组和非混合型机制组,使用两组间单因素和多因素分析筛选得到的影像特征,构建传统logistic回归模型。基于3D HR-MRI序列提取颅内责任斑块影像组学特征,采用随机抽样的方式按照7∶3比例分为训练集(n=95)和测试集(n=42),线性相关阈值和方差分析用于特征筛选,并建立机器学习模型。联合模型由传统影像特征及影像组学特征共同组成。采用受试者工作特性(receiver operating characteristic,ROC)曲线来评价模型的诊断性能,Delong检验来比较各模型预测性能。结果多因素logistic分析显示,斑块的强化比率是混合型卒中机制的独立预测因素(OR=2.77,P=0.002),训练组和测试组ROC曲线下面积(area under the curve,AUC)分别为0.676、0.568。斑块组学特征构建模型在训练集中的AUC为0.906(95%CI:0.849~0.964),测试集AUC为0.828(95%CI:0.704~0.951)。联合模型的预测效能最佳,在训练集及测试集中的AUC分别为0.917(95%CI:0.864~0.969)及0.837(95%CI:0.708~0.966)。结论基于3D HR-MRI颅内动脉斑块影像组学模型可有效预测混合型卒中机制,有助于临床采取个性化治疗措施。展开更多
文摘目的本研究基于三维(three dimensional,3D)高分辨磁共振成像(high-resolution magnetic resonance imaging,HR-MRI)颅内动脉粥样硬化斑块影像组学建立混合型卒中机制的预测模型。材料与方法回顾性分析2016年12月至2022年1月137例急性/亚急性期缺血性卒中患者的HR-MRI及扩散加权成像(diffusion weight imaging,DWI)的影像资料。根据DWI的病变分布模式,将患者分为混合型机制组和非混合型机制组,使用两组间单因素和多因素分析筛选得到的影像特征,构建传统logistic回归模型。基于3D HR-MRI序列提取颅内责任斑块影像组学特征,采用随机抽样的方式按照7∶3比例分为训练集(n=95)和测试集(n=42),线性相关阈值和方差分析用于特征筛选,并建立机器学习模型。联合模型由传统影像特征及影像组学特征共同组成。采用受试者工作特性(receiver operating characteristic,ROC)曲线来评价模型的诊断性能,Delong检验来比较各模型预测性能。结果多因素logistic分析显示,斑块的强化比率是混合型卒中机制的独立预测因素(OR=2.77,P=0.002),训练组和测试组ROC曲线下面积(area under the curve,AUC)分别为0.676、0.568。斑块组学特征构建模型在训练集中的AUC为0.906(95%CI:0.849~0.964),测试集AUC为0.828(95%CI:0.704~0.951)。联合模型的预测效能最佳,在训练集及测试集中的AUC分别为0.917(95%CI:0.864~0.969)及0.837(95%CI:0.708~0.966)。结论基于3D HR-MRI颅内动脉斑块影像组学模型可有效预测混合型卒中机制,有助于临床采取个性化治疗措施。
