Noncontrast CT-based habitat analysis for differentiating hemorrhagic transformation from contrast extravasation after endovascular therapy of acute ischemic stroke.
پخش حرفهای فارسی و انگلیسی
در حال بررسی نسخههای صوتی ذخیرهشده…
تنظیم صدای طبیعی و سرعت
صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده میشود معمولاً طبیعیترند. انتخاب صدا به صداهای نصبشده در ویندوز و مرورگر شما بستگی دارد.
چکیده اصلی
OBJECTIVES: Hemorrhagic transformation (HT) is a serious and common complication after endovascular therapy (EVT) in patients with acute ischemic stroke (AIS). This study aimed to evaluate the diagnostic value of habitat analysis in differentiating HT from contrast extravasation (CEx) within hyperdense areas (HDAs) after EVT, and to assess whether the preoperative imaging features provide additional diagnostic value. MATERIALS AND METHODS: This retrospective study included 187 AIS patients with HDAs. A stratified three-fold cross-validation was used to split the dataset into training and validation cohorts, and preoperative hyperdense artery sign (HAS) status and clinical characteristics were collected. Habitat analysis was performed using the k-means clustering algorithm applied to postoperative noncontrast CT. The radiomics model, habitat model, and corresponding combined models integrating HAS and clinical characteristics were developed. Diagnostic performance was evaluated by the area under the receiver operating characteristic curve (AUC). RESULTS: The optimal k-value was determined to be 5. In differentiating HT from CEx of HDA, the habitat model achieved the highest AUC values of 0.89 and 0.82 in the training and validation cohorts, respectively. Habitat analysis showed improved diagnostic performance compared with the radiomics analysis (AUCs were 0.81 and 0.75 in the training and validation cohorts). The combined model integrating preoperative imaging features, clinical characteristics, and habitat features did not improve performance. CONCLUSION: Habitat analysis outperformed radiomics analysis in differentiating HT from CEx of HDAs after EVT on NCCT. Five‑cluster habitat analysis revealed intralesional heterogeneity within HDAs in AIS patients, supporting its potential as a novel tool for clinical decision‑making. KEY POINTS: Question Differentiation of HT from CEx in post-EVT HDA on non-contrast CT remains a clinical challenge in AIS. Findings Habitat model achieved AUCs up to 0.89 in the training cohort and 0.82 in the validation cohort, outperforming radiomics analysis for differentiating post-EVT HDA and revealed HDA heterogeneity. Relevance Statement Habitat analysis revealed intralesional heterogeneity in the HDA and outperformed radiomics analysis in differential diagnosis on noncontrast CT, which is widely available in most stroke centers. Our findings suggest its potential as a novel clinical decision-making tool.
نتیجه فارسی
این مطالعه به بررسی توانایی تحلیل زیستگاه مبتنی بر توموگرافی کامپیوتری بدون کنتراست (NCCT) در تمایز تبدیل هموراژیک (HT) از extravasation کنتراست (CEx) در مناطق hyperdense (HDA) پس از درمان عروقی بیماران سکته ایسکمیک حاد پرداخته است. نتایج نشان داد که مدل زیستگاه عملکرد تشخیصی بهتری نسبت به تحلیل رادیومیک داشته و ناهمگونی درونتودهای در HDAها را آشکار کرده است. ادغام ویژگیهای بالینی و تصویربرداری پیشعملی عملکرد را بهبود نداد.
- تحلیل زیستگاه مبتنی بر NCCT میتواند به تمایز تبدیل هموراژیک از extravasation کنتراست کمک کند.
- مدل زیستگاه عملکرد تشخیصی بهتری نسبت به تحلیل رادیومیک در این زمینه داشته است.
- تحلیل زیستگاه ناهمگونی درونتودهای در HDAها را آشکار میکند.
- ادغام ویژگیهای بالینی و تصویربرداری پیشعملی عملکرد را بهبود نداد.
- این روش پتانسیل به عنوان ابزاری جدید برای تصمیمگیری بالینی را دارد.
ترجمه فارسی چکیده
هدف: بررسی ارزش تشخیصی تحلیل زیستگاه در تمایز تبدیل هموراژیک (HT) از extravasation کنتراست (CEx) در مناطق hyperdense (HDAs) پس از درمان عروقی (EVT) و ارزیابی اینکه آیا ویژگیهای تصویربرداری پیشعملیational ارزش اضافی ارائه میدهند. روشها: این مطالعه بازگشتنگرانه شامل ۱۸۷ بیمار سکته ایسکمیک حاد با HDA بود. از اعتبارسنجی متقاطع سهگانه طبقهبندی شده برای تقسیم مجموعه داده به گروههای آموزش و اعتبارسنجی استفاده شد. تحلیل زیستگاه با استفاده از الگوریتم خوشهبندی k-means روی توموگرافی کامپیوتری بدون کنتراست پس از عملیات انجام شد. مدل رادیومیک، مدل زیستگاه و مدلهای ترکیبی مرتبط که ویژگیهای HAS و ویژگیهای بالینی را ادغام میکردند، توسعه یافتند. عملکرد تشخیصی با مساحت زیر منحنی مشخصه عملکرد گیرنده (AUC) ارزیابی شد. نتایج: مقدار بهینه k برابر با ۵ تعیین شد. در تمایز HT از CEx HDA، مدل زیستگاه بالاترین مقادیر AUC را با ۰.۸۹ و ۰.۸۲ در گروههای آموزش و اعتبارسنجی به دست آورد. تحلیل زیستگاه عملکرد تشخیصی بهتری نسبت به تحلیل رادیومیک نشان داد (AUCها ۰.۸۱ و ۰.۷۵ در گروههای آموزش و اعتبارسنجی بود). مدل ترکیبی که ویژگیهای تصویربرداری پیشعملی، ویژگیهای بالینی و ویژگیهای زیستگاه را ادغام میکرد، عملکرد را بهبود نداد. نتیجهگیری: تحلیل زیستگاه در تمایز HT از CEx HDA پس از NCCT بر تحلیل رادیومیک برتری داشت. تحلیل زیستگاه ۵ خوشهای ناهمگونی درونتودهای در HDAهای بیماران سکته ایسکمیک حاد را آشکار کرد که پتانسیل آن به عنوان یک ابزار جدید برای تصمیمگیری بالینی را پشتیبانی میکند.
روش پژوهش
این مطالعه بازگشتنگرانه شامل ۱۸۷ بیمار سکته ایسکمیک حاد با HDA بود. از اعتبارسنجی متقاطع سهگانه طبقهبندی شده برای تقسیم مجموعه داده به گروههای آموزش و اعتبارسنجی استفاده شد. تحلیل زیستگاه با استفاده از الگوریتم خوشهبندی k-means روی توموگرافی کامپیوتری بدون کنتراست پس از عملیات انجام شد.
محدودیتها
محدودیتهای این مطالعه در متن گزارش نشده است.
نمای PICO و پیامدها
- جمعیت
- بیماران مبتلا به سکته ایسکمیک حاد (AIS) که پس از درمان عروقی (EVT) دارای مناطق hyperdense (HDA) در توموگرافی کامپیوتری بدون کنتراست (NCCT) بودهاند.
- مداخله/مواجهه
- تحلیل زیستگاه مبتنی بر توموگرافی کامپیوتری بدون کنتراست (NCCT) با استفاده از الگوریتم خوشهبندی k-means.
- مقایسه
- تحلیل رادیومیک و مدلهای ترکیبی شامل ویژگیهای HAS و ویژگیهای بالینی.
- حجم نمونه
- ۱۸۷ بیمار
متن کامل اصلی
لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز میشود.
باز کردن متن کامل