比较手动方法和自动化方法在提取脑出血周围特征以预测深部脑内出血扩张方面的效果

《Scientific Reports》：Comparing manual and automated methods for extracting perihematomal features in predicting hemorrhage expansion in deep intracerebral hemorrhage

　　```html

摘要

本研究旨在比较基于自动界定血肿周围组织范围与手动界定血肿周围水肿（PHE）的放射组学模型在预测深度脑内出血（ICH）患者72小时内血肿扩张（HE）方面的有效性。从三个医疗中心收集的ICH患者数据被分为训练集（n=219）和验证集（n=55），其中训练集与验证集的比例为8:2，同时还收集了一个独立的测试集（n=69）。利用ICH发生24小时内的CT图像，通过整合血肿特征及自动扩展的血肿周围区域（范围为4至18毫米，间隔为2毫米），建立了八个预测HE的模型。随后，每个模型都与手动界定的“Intra+PHE”放射组学模型进行了单独比较。评估这些模型时使用了曲线下面积（AUC）和决策曲线分析方法。为了突出关键特征，还应用了Shapley加性解释方法。在测试集中发现，五种“Intra+AutoPeri”放射组学模型的AUC均高于“Intra+PHE”模型。具体而言，“Intra+AutoPeri-14mm”模型在测试集中的AUC最高（0.899），显著优于“Intra+PHE”模型（AUC=0.764，p=0.039）。这种自动化的“Intra+AutoPeri”模型在预测性能上表现出优于手动界定的“Intra+PHE”模型的趋势，对于分层评估深度ICH患者的血肿扩张风险具有重大潜力，为早期、个性化的患者管理提供了宝贵的参考依据。