Prediction of Malignant Acute Middle Cerebral Artery Infarction via Computed Tomography Radiomics
Notice bibliographique
Résumé
Malignant middle cerebral artery infarction (mMCAi) is a serious complication of cerebral infarction usually associated with poor patient prognosis. In this retrospective study, we analyzed clinical information as well as non-contrast computed tomography (NCCT) and computed tomography angiography data from patients with cerebral infarction in the middle cerebral artery territory acquired within 24 h from symptoms onset. Then, we aimed to develop a model based on the radiomics signature to predict the development of mMCAi in cerebral infarction patients. Patients were divided randomly into training (n=87) and validation (n=39) sets. A total of 396 texture features were extracted from the NCCT images from the 126 patients. The least absolute shrinkage and selection operator regression analysis was used to reduce the feature dimension and construct an accurate radiomics signature based on the remaining texture features. Subsequently, we developed a model based on the radiomics signature and Alberta Stroke Program Early CT Score (ASPECTS) based on NCCT to predict mMCAi. Our prediction model showed a good predictive performance with an AUC of 0.917 [95% confidence interval (CI), 0.863-0.972] and 0.913 [95% CI, 0.795-1] in the training and validation sets, respectively. Additionally, the decision curve analysis validated the clinical efficacy of the combined risk factors of radiomics signature and ASPECTS based on NCCT in the prediction of mMCAi development in patients with acute stroke across a wide range of threshold probabilities. Our research indicates that radiomics signature can be an instrumental tool to predict the risk of mMCAi.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».