| 摘要: |
| 目的分析颈动脉血管周围脂肪组织（PVAT）影像组学特征对支架内再狭窄（ISR）发生的预测价值。方法回顾性选取2018年1月至2022年8月在温州医科大学附属第五医院、温州医科大学附属第二医院和温州医科大学附属第三医院接受颈动脉支架置入术（CAS）治疗的颈动脉狭窄患者310例，并将其分为训练集169例和验证集141例。通过CT血管造影（CTA）影像提取PVAT的影像组学特征，并使用降维方法筛选出具有预测价值的特征。采用5种机器学习分类器构建影像组学模型，并选择AUC最高的模型计算影像组学评分（Rad-score）。采用单因素和多因素回归分析与ISR相关的临床特征，并基于这些特征构建临床模型。将临床特征与Rad-score结合构建融合模型，并通过列线图实现ISR风险的可视化评估。使用AUC、灵敏度、特异度、准确度、校准曲线和决策曲线评估模型效能。结果从CTA图像中共筛选出9个最佳影像组学特征。在训练集与验证集中，5种影像组学模型中支持向量机模型表现最佳。融合模型整合了高血压、溃疡斑块及Rad-score这3个变量，其在训练集和验证集中的AUC分别为0.909和0.876。结论PVAT影像组学模型对CAS术后ISR具有较好的预测效能，联合临床特征后可进一步提高模型的预测效能。 |
| 关键词: |
| DOI： |
| 分类号: |
| 基金项目: |
|
|
|
|
| Abstract: |
|
| Key words: |
