摘要
摘要目的基于急性脑卒中血管内机械取栓切除术(mechanical thrombectomy，MT)前MRI影像组学特征和机器学习，分析其在预测出血转化(hemorrhagic transformation，HT)中的价值。材料与方法回顾性分析我院神经内科行MRI检查和MT治疗的214例急性脑卒中患者临床和影像学资料。采用ITK-SNAP软件对治疗前MRI图像上的弥散加权成像(diffusion weighted imaging，DWI)高信号梗死区和灌注加权成像(perfusion weighted imaging，PWI)灌注异常区进行分割，应用AK软件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HT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HT预测中的价值。结果每例患者各提取792个影像组学特征，降维后筛选出10个与HT预测最相关的特征。ROC分析显示该模型预测训练集患者HT的AUC为0.984，敏感度和特异度分别为0.932、0.967；预测测试集患者HT的AUC为0.921，敏感度和特异度分别为0.826、0.852。结论基于MRI的影像组学和机器学习分析是预测急性脑卒中HT的重要工具，对早期准确识别HT高风险患者具有较高的效能。
出版日期
2022年12月13日（中国期刊网平台首次上网日期，不代表论文的发表时间）
