基于临床和血管架构特征的脑动脉静脉形形的机器学习模型与出血有关
Wengui Tao1, Shifu Li1, Chudai Zeng1
1Department of Neurosurgery, Xiangya Hospital, Central South University, 87 Xiangya Street, Changsha, Hunan 410008, China (W.T., S.L., C.Z., Z.C., Z.H., F.C.); National Clinical Research Center for Geriatric Disorders, Central South University, 87 Xiangya Street, Changsha, Hunan 410008, China (W.T., S.L., C.Z., Z.C., Z.H., F.C.); Hypothalamic-Pituitary Research Center, Xiangya Hospital, Central South University, 87 Xiangya Road, Changsha, Hunan 410008, China (W.T., S.L., C.Z., Z.C., Z.H., F.C.).
Academic radiology
|October 2, 2023
概括
机器学习模型可以预测大脑动脉静脉形形 (bAVMs) 破裂. 多层感知子模型表现出最佳性能,确定了bAVM出血的关键临床和血管架构预测因素.
科学领域:
- 神经外科 神经外科
- 放射学 放射学是一门学科.
- 医疗信息学 医疗信息学
背景情况:
- 大脑动脉静脉形形 (bAVMs) 具有显著的出血风险.
- 准确预测bAVM破裂对于患者管理和治疗决策至关重要.
结论:
- 临床和血管架构特征有效预测bAVM出血.
- ML模型,特别是多层感知子,为诊断bAVM破裂风险提供了一个有希望的方法.


