查看更多>>摘要:目的 本研究试图利用CT图像的纹理特征预测缺血性脑卒中出血性转化(hemorrhagic transformation,HT)的发生,并与传统的临床预测评分进行比较.方法 本研究共纳入73例急性前循环缺血性脑卒中患者,所有患者都进行再灌注治疗.根据随访ADC图像弥散受限区勾画出梗死区感兴趣区域(region of interesting,ROI),并匹配到计算机断层血管造影(computed tomographic angiography,CTA)和平扫CT(non-contrast CT,NCCT)相应的缺血区域.在所有患者中随机抽取5个HT和5个非HT组成测试组,余下组成训练组.分别在CTA和NCCT训练组中选取最有预测价值的6个纹理特征,然后将这些特征带入不同分类器进行5倍交叉验证训练,最后根据训练后的分类器对测试组进行预测评估.此外,对所有训练组患者进行4项临床评分(HAT、SEDAN、HIAT2、THRIVE-c).结果 训练后的分类器模型在CTA和NCCT中都表现出明显的预测价值.在CTA预测模型中,线性支持向量机(linear SVM)分类器预测效能最好,其在5倍交叉验证中的平均预测准确度为0.816,AUC值为0.890;在测试组中预测准确度为0.800,敏感性为0.600,特异性为1.000.逻辑回归(logistic regression,LR)为NCCT中表现最好的分类器,但NCCT模型HT的预测性能稍逊于CTA模型,其在训练组中预测准确度为0.697,AUC值为0.763.NCCT测试组的预测准确度为0.700,敏感性为0.600,特异性为0.800.相比于纹理分析模型,4种临床评分预测表现较差,AUC值均小于0.700.结论 基于CT图像脑缺血区的纹理分析(CTA和NCCT)具有预测AIS患者再灌注治疗后HT的能力,预测效能优于传统的临床评分方法.