CT血管造影影像组学评估基底动脉尖动脉瘤破裂风险

作     者：刘松 田超 任涛 曹宸 靳松 夏爽 LIU Song;TIAN Chao;REN Tao;CAO Chen;JIN Song;XIA Shuang

作者机构：天津医科大学一中心临床学院天津300191 天津市环湖医院医学影像科天津300350 天津市第一中心医院放射科天津市影像医学研究所天津300190 

出 版 物：《中国医学影像技术》 (Chinese Journal of Medical Imaging Technology)

年 卷 期：2025年第41卷第1期

页      面：20-24页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100214[医学-肿瘤学] 100106[医学-放射医学] 100602[医学-中西医结合临床] 10[医学] 

基　　金：天津市卫生健康科技项目(TJWJ2022QN061) 国家自然科学基金(82171916) 天津市自然科学基金(21CYBJC01580) 天津市卫生科技专项(重点学科专项)项目(TJWJ2022XK019) 

主　　题：动脉瘤破裂 体层摄影术,X线计算机 机器学习 影像组学 

摘      要：目的观察CT血管造影(CTA)影像组学评估基底动脉尖动脉瘤(BTA)破裂风险的价值。方法回顾性收集133例BTA患者,根据BTA破裂与否分为破裂组(n=39)与未破裂组(n=94),并按7∶3比例划分训练集(n=93)与测试集(n=40)。针对CTA提取BTA影像组学特征并筛选其中最优者,计算影像组学评分(Radscore);分别利用逻辑回归(LR)、随机森林(RF)、决策树(DT)及K近邻(KNN)算法基于最优影像组学特征建立影像组学机器学习(ML)模型,基于Radscore建立Radscore模型;再利用后者联合临床及常规影像学表现建立联合模型。对比分析上述各模型鉴别破裂与未破裂BTA的效能。结果最终选出4个BTA最优影像组学特征,以之建立的LR、RF、DT及KNN 4种影像组学模型鉴别训练集破裂与未破裂BTA的曲线下面积(AUC)分别为0.770、0.816、0.817及0.795,在测试集分别为0.795、0.793、0.786及0.824;4种模型AUC差异均无统计学意义(P均0.05)。性别、饮酒史、BTA形态及Radscore均为BTA破裂的独立影响因素(P均0.05),以之建立临床-常规影像学模型。针对全部133例,联合模型鉴别BTA破裂与未破裂的AUC为0.877,Radscore模型为0.775,而临床-常规影像学模型为0.677,前者明显高于后两者(P均0.05)。结论CTA影像组学有助于评估BTA破裂风险;联合临床及常规影像学表现可进一步提高其效能。