期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
颈动脉斑块超声影像组学特征结合临床特征构建脑梗死预测模型
1
作者 洪玮 杨银凤 +2 位作者 刘枝红 马奇 刘炳霞 《医学研究与战创伤救治》 CAS 北大核心 2024年第3期282-286,共5页
目的探究基于临床特征的临床模型、颈动脉斑块灰阶超声特征的影像组学模型以及两者的联合模型预测脑梗死的应用价值。方法收集2022年1月至2023年2月在黄石市中心医院就诊的237例颈动脉斑块患者临床资料。由两名超声医生独立收集颈动脉... 目的探究基于临床特征的临床模型、颈动脉斑块灰阶超声特征的影像组学模型以及两者的联合模型预测脑梗死的应用价值。方法收集2022年1月至2023年2月在黄石市中心医院就诊的237例颈动脉斑块患者临床资料。由两名超声医生独立收集颈动脉斑块病例分别作为训练集和验证集,根据头颅CT或MR检查有无斑块同侧脑梗死病灶分为脑梗组和非脑梗组。在训练集中,构建以临床特征或(和)斑块灰阶超声特征预测脑梗死的临床模型、影像组学模型以及临床-影像组学联合模型。在训练集和验证集中,采用受试者工作特征(ROC)曲线和校准曲线评估模型的预测效能,并计算ROC曲线下面积(AUC)、敏感度、特异度、准确度;采用决策曲线评估模型的临床应用价值。结果训练集134例患者,其中脑梗死患者61例,非脑梗死患者73例;验证集103例患者,其中脑梗死患者49例,非脑梗死患者54例。训练集中9个临床特征经过LASSO回归筛选出高血压史、糖尿病史、吸烟史、饮酒史、超重这5个关键特征构建预测脑梗死的临床模型;6个关键影像组学特征构建影像组学模型,共包含1个形态学特征、2个一阶特征、3个二阶特征;9个临床及影像组学特征构建联合模型。训练集中,临床模型的AUC为0.724、准确度为66.42%,影像组学模型的AUC为0.886、准确度为80.60%,联合模型的AUC为0.908、准确度为83.58%,联合模型的校准曲线和决策曲线优于影像组学模型和临床模型。验证集中也显示影像组学模型和联合模型预测性能达到较高水平,联合模型的预测效能和决策曲线净获益值最高,其次为影像组学模型,临床模型最低。结论基于灰阶超声的影像组学模型和基于临床-影像组学的联合模型均能作为脑梗死的预测模型,联合模型的预测效能和获益更高。 展开更多
关键词 影像组学 模型 颈动脉斑块 超声检查 临床
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部