基于平扫CT的Logistic回归模型和朴素贝叶斯模型预测血肿扩大

作者：宋祖华; 周治明^*; 郭大静; 唐茁月; 李欣

来源：中国医学影像技术, 2021, 37(01): 30-34.

DOI：10.13929/j.issn.1003-3289.2021.01.006

• 脑出血
• 机器学习
• 体层摄影术,X线计算机

目的探究基于平扫CT的Logistic回归模型和朴素贝叶斯(NB)模型预测自发性脑出血早期血肿扩大(HE)的价值。方法回顾性分析208例自发性脑出血患者的临床、初次CT扫描和24 h内随访CT资料,以随访CT显示血肿体积比例较前增加>33%或体积差>6 ml为HE,将患者分为HE组(86例)和非HE组(122例)。比较2组间临床资料和影像学特征的差异,采用Logistic回归和NB方法分别建立预测HE模型,并评估其预测性能。结果多因素方差分析表明男性患者(OR=3.814)、糖尿病病史(OR=0.442)、CT卫星征(OR=0.083)与漩涡征(OR=0.232)及伴脑室内出血(OR=0.442)是HE的独立预测因素。Logistic回归模型曲线下面积(AUC)为0.823,NB模型训练集和测试集的AUC分别为0.768和0.847。结论基于平扫CT的Logistic回归模型和NB模型有助于预测自发性脑出血早期HE,NB模型预测HE效能优于Logistic回归模型。

• 单位
  重庆医科大学附属第二医院; 重庆市人民医院