典型文献
基于DWI和FLAIR的机器学习预测急性脑卒中发病时间的研究
文献摘要：
目的 基于急性脑卒中弥散加权成像(diffusion weighted imaging,DWI)和液体衰减反转恢复序列(fluid attenuated inversion recovery,FLAIR)的影像组学特征,通过机器学习构建急性脑卒中发病时间的预测模型.材料与方法 回顾性分析188例急性脑卒中患者的MRI图像.采用ITK-SNAP软件对DWI上高信号梗死区和FLAIR上对应的急性梗死区进行分割,并应用人工智能应用平台(artificial intelligent kit,A.K.)进行影像组学特征提取和降维,最终使用最小绝对收缩与选择算子算法(least absolute shrinkage and selection operator,LASSO)确定发病时间相关的最佳影像组学特征,通过支持向量机分类器评估其在发病时间预测中的价值,并与人工识别的结果 进行比较.结果 共筛选出10个(7个DWI特征及3个FLAIR特征)与卒中发病时间密切相关的影像组学特征.人工识别受试者操作特征(receiver operating characteristic,ROC)分析显示DWI-FLAIR不匹配预测急性脑卒中发病时间的曲线下面积(area under curve,AUC)为0.634,敏感度和特异度分别为0.667、0.622.ROC分析显示该模型预测训练集患者发病时间的AUC为0.975,敏感度和特异度分别为0.932、0.950;预测测试集患者发病时间的AUC为0.915,敏感度和特异度分别为0.868、0.852.结论 基于DWI和FLAIR影像组学的机器学习,能够较为准确地预测急性脑卒中患者的发病时间,为临床静脉溶栓治疗的选择提供影像指导.
文献关键词：
卒中;弥散加权成像;液体衰减反转恢复序列;机器学习;影像组学;发病时间
中图分类号：
作者姓名：
郭静丽;彭明洋;王同兴;陈国中;殷信道;刘浩
作者机构：
南京医科大学附属南京医院(南京市第一医院)医学影像科,南京 210006
文献出处：
引用格式：
[1]郭静丽;彭明洋;王同兴;陈国中;殷信道;刘浩-.基于DWI和FLAIR的机器学习预测急性脑卒中发病时间的研究)[J].磁共振成像,2022(03):22-25,42
A类：
B类：
DWI,FLAIR,机器学习预测,急性脑卒中,发病时间,弥散加权成像,diffusion,weighted,imaging,液体衰减反转恢复序列,fluid,attenuated,inversion,recovery,影像组学特征,材料与方法,脑卒中患者,ITK,SNAP,死区,人工智能应用,应用平台,artificial,intelligent,kit,终使,选择算子,least,absolute,shrinkage,selection,operator,LASSO,支持向量机分类器,时间预测,人工识别,操作特征,receiver,operating,characteristic,area,under,curve,训练集,测试集,静脉溶栓治疗
AB值：
0.270453
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
