基于主成分分析和影像组学的预测模型在脑卒中后复发中的应用

摘要

目的 研究基于主成分分析和MRI影像组学的预测模型在脑卒中后复发中的应用效果。方法 选取2019-01—2021-12于眉山市中医医院治疗的354例脑卒中患者为研究对象，根据随访2 a的复发情况，将其分为复发组和未复发组，对比2组患者临床资料。采用高级多种编程分析程序包对患者的临床资料进行主成分分析，并采用Logistic回归分析建立预测模型。通过LASSO验证并筛选预测效能佳的影像组学特征，采用支持向量机分类器构建脑卒中后复发的预测模型，同时采用ROC曲线评估模型的预测效能。结果 354例脑卒中患者中86例（24.29%）随访期间复发。复发组与未复发组年龄、高血压、吸烟史、房颤史、D-二聚体（D-D）、同型半胱氨酸（Hcy）等相比均有统计学差异（P<0.05）。以18个临床指标作为变量，以主成分分析法设定线性方差，并以载荷平方和方差百分比进行降维，最终确定年龄、吸烟史、房颤史、D-D、Hcy等5个主成分为自变量。多因素Logistic回归分析显示，年龄增加、吸烟史、房颤史、D-D水平升高、Hcy水平升高均为脑卒中患者复发的独立危险因素（P<0.05）。通过MRI检查的DWI影像图像，共提取1 677个特征，经单因素及Pearson相关性分析保留179个组学特征；然后，经LASSO进一步降维后筛选出17个特征，包括2个一阶特征，5个形状特征和10个纹理特征。采用支持向量机分类器建立脑卒中后复发的预测模型，通过ROC曲线分析发现，该模型测试集、训练集的曲线下面积分别为0.796、0.861(P<0.05)。结论 基于主成分分析和MRI影像组学的预测模型预测脑卒中后复发具有较高的临床价值。

关键词

脑卒中 / 复发 / 影像组学 / 主成分分析法 / D-二聚体 / 同型半胱氨酸 / 预测模型

基金资助

眉山市科技指导性计划项目(编号:2023KJZD154)