论文部分内容阅读
背景和目的： 自发性脑出血（spontaneous intracerebral hemorrhage, sICH）患者的血肿扩大会进一步加重临床预后。通过研究急诊sICH入院患者的CT影像学特征，旨在使用人工神经网络预测血肿扩大。 材料与方法： 本研究分析了712例sICH的患者的影像学资料（包括其入院首次CT平扫和复查CT）。随后在后处理工作站手动逐层绘制血肿区域的相应周长，并进行三维重建，准确计算血肿体积。首先利用统计学软件进行单因素分析以评估29个临床变量与血肿扩大之间的关系，然后采用多因素logistic回归法进一步确定独立预测因子。基于这些独立预测因子，本研究构建了一个人工神经网络用来预测血肿扩大。 结果： 共纳入712例sICH患者，其中入院后血肿扩大者124例（17.4％）。多变量分析显示，以下9个独立预测因子与血肿扩大相关，其中包括：国际标准化比值（INR）的比值比（OR=3.564，p = 0.004）、中性粒细胞计数（NEUT，OR = 0.881， P = 0.001）、格拉斯哥昏迷评分（GCS，OR = 0.882，p = 0.001）、首诊CT时间（OR = 0.768，p = 0.005）、血肿破入脑室（OR = 2.109，p = 0.006）、黑洞征（OR = 9.580， p ＜0.001）、混合征（OR = 19.873，p ＜0.001）、CT值的标准差（OR = 0.801，P = 0.009）和高脂血症（OR = 0.346，P = 0.028）。用人工神经网络预测血肿扩大的敏感性、特异性和总体准确性分别为78.7％，80.2％和79.9％。受试者工作特征曲线面积（ROC）为0.833。 结论： 本研究基于易于获取的独立因素，设计的人工神经网络，即使不进行CT增强扫描成像，在预测血肿扩大方面也有良好的性能表现，这种方法可以广泛适用于预测sICH后血肿扩大。