摘要
摘要目的基于弥散加权成像(diffusion weighted imaging，DWI)的影像组学特征进行机器学习，构建预测急性脑卒中机械取栓后预后的模型。材料与方法回顾性分析在本院接受机械取栓治疗的急诊脑卒中患者，按随机数字表法分为训练集(n=252)和测试集(n=108)。采用A.K.软件提取DWI梗死区影像组学特征并应用最低绝对收缩和选择算子回归模型筛选最佳影像组学特征，基于所选特征通过支持向量机分类器建立急性脑卒中机械取栓后预后的预测模型，利用受试者操作特征(receiver operating characteristic，ROC)曲线评价模型的预测效能。结果每例患者的DWI图像提取1136个影像组学特征，降维后筛选出21个与预后高度相关的特征。ROC分析显示基于DWI模型预测训练集卒中患者机械取栓后预后的曲线下面积(area under curve，AUC)为0.956，敏感度和特异度分别为0.965、0.948，准确度达0.954；基于DWI模型预测测试集卒中患者机械取栓后预后的AUC为0.801，敏感度和特异度分别为0.818、0.816，准确度达0.828。结论基于治疗前DWI的影像组学特征和机器学习构建模型对急性脑卒中机械取栓后预后的预测具有较高的预测效能。
出版日期
2021年10月24日（中国期刊网平台首次上网日期，不代表论文的发表时间）
