术前正子发射断层扫描用于预测术后风险:基于放射学和临床特征的融合模型
Di Zhang1, Zi-Hao Wang1, Yan Feng1
1Department of Neurosurgery, The Second Hospital of Hebei Medical University, 215 West Heping Road, Shijiazhuang 050000, China.
Seizure
|February 19, 2026
概括
预测术后风险至关重要. 将放射学和临床数据与机器学习模型相结合,特别是MLP融合模型,可以显著提高预测准确度,从而更好地管理患者.
科学领域:
- 神经学 神经学
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 是一种常见的神经疾病,需要准确预测术后发作风险,以有效管理患者.
- 整合放射学和临床因素为精确风险评估提供了一个有希望的策略.
研究的目的:
- 开发和评估术后风险的预测模型.
- 评估放射学,临床因素及其风险预测融合的性能.
- 创建一个名图来估计手术后风险.
主要方法:
- 对197名患者的手术前PET成像和临床数据的分析.
- 使用SelectKBest,LASSO和统计分析提取和选择关键的放射学和临床特征.
- 使用SVM和MLP算法构建和评估放射学,临床和融合模型,根据AUC,灵敏度和特异性进行评估.
主要成果:
- 确定了11个关键的放射学特征,以及作为关键临床预测因素的先前脑损伤.
- 该MLP融合模型实现了最高的预测性能,其AUC为0.85.
- 开发的诺米图表显示出良好的预测准确性和临床实用性.
结论:
- 放射学和临床特征的融合为预测术后风险提供了更准确,更有临床价值的工具.
- 融合模型显示了指导临床决策和个性化治疗的潜力.


