基于脑影像及临床特征的机器学习模型预测缺血性卒中后心房颤动 A Machine Learning Model Based on Brain Imaging and Clinical Features for Predicting Atrial Fibrillation Detected after Stroke
目的 探讨基于患者脑影像及临床特征的机器学习模型对缺血性卒中后心房颤动的预测价值。 方法 本研究采用回顾性队列研究设计，数据源于中国国家卒中登记Ⅲ，纳入2015年8月—2018年3月收录的缺血性卒中和TIA病例。通过系统收集的既往病史记录，住院期间的心电图检查及24 h动态心电监测结果将患者分为窦性心律组和缺血性卒中后心房颤动组。首先应用预训练的nnUNet深度学习框架对DWI数据进行标准化预处理及病灶自动分割。随后基于PyRadiomics开源软件包提取病灶的影像组学特征，涵盖形态学特征、一阶统计量及高阶纹理特征等8类共960项定量影像特征。特征工程阶段，首先应用斯皮尔曼等级相关系数分析...
Saved in:
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | zho |
| Published: |
Editorial Department of Chinese Journal of Stroke
2025-04-01
|
| Series: | Zhongguo cuzhong zazhi |
| Subjects: | |
| Online Access: | https://www.chinastroke.org.cn/CN/10.3969/j.issn.1673-5765.2025.04.002 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|