换一批
换一批基于CT影像组学机器学习模型预测急性期创伤性脑损伤严重程度
Machine learning model based on CT radiomics for predicting severity of acute phase traumatic brain injury
摘要：
目的 观察基于CT平扫(NCCT)影像组学特征建立的机器学习(ML)模型预测急性期创伤性脑损伤(TBI)严重程度的价值.方法 回顾性收集600例TBI为观察组,以另外65例TBI为外部验证集;另前瞻性纳入50例TBI为前瞻性验证集.根据出院时格拉斯哥预后评分(GOS)将观察组患者分为高危亚组(n=240)与低危亚组(n=360).由医师A、B以相同标准分别评估观察组患者,基于首诊临床及NCCT资料以逻辑回归(LR)法建立人工模型,预测急性期TBI严重程度.按7∶3比例将观察组分为训练集(n=420,含168例高危、252例低危)与测试集(n=180,含72例高危、108例低危),基于训练集NCCT提取及筛选影像组学特征,采用LR、支持向量机(SVM)、随机森林(RF)、K近邻(KNN)4种ML法构建预测模型,分别于测试集、外部验证集(含34例高危、31例低危TBI)及前瞻性验证集(含21例高危、29例低危TBI)进行验证.结果 医师A、B判断观察组急性期TBI严重程度的曲线下面积(AUC)分别为0.606及0.771,人工模型的AUC为0.824.基于训练集NCCT筛选出的6个最佳影像组学特征构建的LR、SVM、RF和KNN ML模型及人工模型在测试集的AUC分别为0.983、0.971、0.970、0.984及0.708,在外部验证集分别为0.879、0.881、0.984、0.863及0.733,而在前瞻性验证集分别为0.984、0.873、0.982、0.897及0.704.结论 基于CT影像组学建立的ML模型能有效预测急性期TBI严重程度.
更多
作者：
作者单位：
西南医科大学附属医院神经外科,四川泸州 646000;江油市人民医院重症医学科,四川江油 621700
[1]
中国人民解放军西部战区总医院神经外科,四川成都 610083
[2]
西南医科大学附属医院神经外科,四川泸州 646000
[3]
中国人民解放军西部战区总医院医疗保障中心信息科,四川成都 610083
[4]
西南医科大学附属医院神经外科,四川泸州 646000;中国人民解放军西部战区总医院神经外科,四川成都 610083
[5]
期刊：
《中国医学影像技术》2024年40卷7期 992-996页
ISTICPKUCSCD
栏目名称：
中枢神经影像学
DOI：
10.13929/j.issn.1003-3289.2024.07.008
发布时间：
2024-09-04
基金项目：
西部战区总医院院管课题
- 浏览：5
- 被引：0
- 下载：4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
