换一批临床常规CT与影像组学模型预测自发性脑出血患者近期预后:一项双中心研究
Prediction of Short-Term Prognosis in Patients with Spontaneous Cerebral Hemorrhage Using Clinical Routine CT and Radiomics Models:A Dual Center Study
摘要目的 基于影像组学结合机器学习建立模型预测自发性脑出血患者近期预后并对模型进行验证.方法 回顾性搜集九江学院附属医院573例自发性脑出血患者的影像学特征及临床资料,构成训练集;并采用南宁市第一人民医院100例自发性脑出血患者的资料作为外部验证集.基于 LASSO 算法进行变量降维,采用 10 折交叉验证优化其正则化参数.利用选定的最优参数构建预测模型.随后,在训练集上拟合多因素 Logistic 回归模型建立联合预测模型,并计算受试者工作特征曲线曲线下面积(AUC)以评价模型的判别效能.结果 通过比较临床模型、影像组学模型和联合模型的性能:临床模型在训练集和外部验证集的敏感度、特异度和AUC分别为0.710、0.792、0.828和0.526、0.857、0.706;影像组学模型在训练集和外部验证集的敏感度、特异度和AUC分别为0.713、0.785、0.832和0.772、0.612、0.717;联合模型在训练集和外部验证集的敏感度、特异度和AUC分别为0.710、0.846、0.860和0.579、0.857、0.725.综上,联合模型的性能最佳.模型评估结果显示校准曲线图验证了联合模型的良好预测准确性;同时,临床决策曲线分析证实该模型具有理想的临床净获益.结论 本研究通过整合影像组学特征和临床基线资料并应用机器学习方法构建的列线图,可为自发性脑出血患者的近期预后风险评估提供一种有效的个体化预测工具.
更多相关知识
关键词
自发性脑出血影像组学机器学习列线图断层摄影术X线计算机Spontaneous cerebral hemorrhageRadiomicsMachine learningColumn chartTomographyX-ray computer
栏目名称
DOI
10.3969/j.issn.1001-9324.2026.03.001
发布时间
2026-03-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
江西省自然科学基金资助项目（20252BAC240545）
江西省卫生健康委科技计划资助项目（SKJP1220242116）
广西壮族自治区卫生健康委员会自筹经费课题资助项目（Z-A20221079）
- 浏览4
- 被引0
- 下载5
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
