简介：摘要目的基于急性脑卒中弥散加权成像(diffusion weighted imaging，DWI)和液体衰减反转恢复序列(fluid attenuated inversion recovery，FLAIR)的影像组学特征，通过机器学习构建急性脑卒中发病时间的预测模型。材料与方法回顾性分析188例急性脑卒中患者的MRI图像。采用ITK-SNAP软件对DWI上高信号梗死区和FLAIR上对应的急性梗死区进行分割，并应用人工智能应用平台(artificial intelligent kit,A.K.)进行影像组学特征提取和降维，最终使用最小绝对收缩与选择算子算法(least absolute shrinkage and selection operator,LASSO)确定发病时间相关的最佳影像组学特征，通过支持向量机分类器评估其在发病时间预测中的价值，并与人工识别的结果进行比较。结果共筛选出10个(7个DWI特征及3个FLAIR特征)与卒中发病时间密切相关的影像组学特征。人工识别受试者操作特征(receiver operating characteristic,ROC)分析显示DWI-FLAIR不匹配预测急性脑卒中发病时间的曲线下面积(area under curve, AUC)为0.634，敏感度和特异度分别为0.667、0.622。ROC分析显示该模型预测训练集患者发病时间的AUC为0.975，敏感度和特异度分别为0.932、0.950；预测测试集患者发病时间的AUC为0.915，敏感度和特异度分别为0.868、0.852。结论基于DWI和FLAIR影像组学的机器学习，能够较为准确地预测急性脑卒中患者的发病时间，为临床静脉溶栓治疗的选择提供影像指导。

简介：摘要目的基于急性脑卒中血管内机械取栓切除术(mechanical thrombectomy，MT)前MRI影像组学特征和机器学习，分析其在预测出血转化(hemorrhagic transformation，HT)中的价值。材料与方法回顾性分析我院神经内科行MRI检查和MT治疗的214例急性脑卒中患者临床和影像学资料。采用ITK-SNAP软件对治疗前MRI图像上的弥散加权成像(diffusion weighted imaging，DWI)高信号梗死区和灌注加权成像(perfusion weighted imaging，PWI)灌注异常区进行分割，应用AK软件进行影像组学特征提取和降维，最终使用最小绝对收缩与选择算子算法(least absolute shrinkage and selection operator，LASSO)确定HT相关的最佳影像组学特征，通过支持向量机分类器评估其在HT预测中的价值。结果每例患者各提取792个影像组学特征，降维后筛选出10个与HT预测最相关的特征。ROC分析显示该模型预测训练集患者HT的AUC为0.984，敏感度和特异度分别为0.932、0.967；预测测试集患者HT的AUC为0.921，敏感度和特异度分别为0.826、0.852。结论基于MRI的影像组学和机器学习分析是预测急性脑卒中HT的重要工具，对早期准确识别HT高风险患者具有较高的效能。

简介：摘要目的探讨基于DWI和液体衰减反转恢复序列（FLAIR）的深度学习技术构建预测急性卒中发病时间模型的效果。方法回顾性分析于2017年1月至2020年5月在南京市第一医院就诊且发病时间明确的急性卒中患者324例。采用7∶3比例按照完全随机法将患者分为训练集226例，测试集98例；再根据发病时间将患者分为≤4.5 h和>4.5 h两组。由医师对DWI图像上急性梗死区及FLAIR相应的高信号区进行轮廓勾勒标注。利用InceptionV3模型作为图像特征提取的基本模型，构建并验证基于单序列（DWI、FLAIR）和多序列（DWI+FLAIR）的深度学习预测模型。比较人工识别、单序列模型及多序列模型预测急性卒中发病时间的ROC曲线下面积（AUC）、准确度等性能。结果发病时间≤4.5 h患者中94例（94/207）存在DWI-FLAIR不匹配，发病时间>4.5 h患者中28例（28/117）存在DWI-FLAIR不匹配。ROC分析显示人工识别DWI-FLAIR不匹配预测急性卒中发病时间的AUC为0.607，准确度为60.2%。基于单序列的深度学习预测模型显示FLAIR序列预测急性卒中发病时间的AUC为0.761，准确度为71.4%；DWI序列预测急性卒中发病时间的AUC为0.836，准确度为81.6%；基于多序列（DWI+FLAIR）深度学习模型预测急性卒中发病时间的AUC为0.852，明显优于人工识别（Z=0.617，P=0.002）、基于FLAIR序列深度学习模型（Z=2.133，P=0.006）和基于DWI序列深度学习模型（Z=1.846，P=0.012）。结论基于DWI和FLAIR的深度学习模型预测急性卒中发病时间明显优于人工识别，可为未知发病时间的卒中患者提供静脉溶栓治疗指导。

简介：摘要目的基于弥散加权成像(diffusion weighted imaging，DWI)的影像组学特征进行机器学习，构建预测急性脑卒中机械取栓后预后的模型。材料与方法回顾性分析在本院接受机械取栓治疗的急诊脑卒中患者，按随机数字表法分为训练集(n=252)和测试集(n=108)。采用A.K.软件提取DWI梗死区影像组学特征并应用最低绝对收缩和选择算子回归模型筛选最佳影像组学特征，基于所选特征通过支持向量机分类器建立急性脑卒中机械取栓后预后的预测模型，利用受试者操作特征(receiver operating characteristic，ROC)曲线评价模型的预测效能。结果每例患者的DWI图像提取1136个影像组学特征，降维后筛选出21个与预后高度相关的特征。ROC分析显示基于DWI模型预测训练集卒中患者机械取栓后预后的曲线下面积(area under curve，AUC)为0.956，敏感度和特异度分别为0.965、0.948，准确度达0.954；基于DWI模型预测测试集卒中患者机械取栓后预后的AUC为0.801，敏感度和特异度分别为0.818、0.816，准确度达0.828。结论基于治疗前DWI的影像组学特征和机器学习构建模型对急性脑卒中机械取栓后预后的预测具有较高的预测效能。

简介：摘要目的旨在探讨在同样存在扩散加权成像(diffusion-weighted imaging，DWI)-灌注加权成像(perfusion-weighted imaging，PWI)不匹配的前提下，不同时间窗的急性缺血性卒中患者行机械取栓术后预后的差异。材料与方法回顾性分析我院接受机械取栓治疗的急性脑卒中患者200例。所有患者发病时间均为24 h内，且均于治疗前及治疗后接受MRI检查。血管再通程度采用mTICI分级评估。收集所有患者的DWI体积、PWI灌注异常体积、3个月功能预后(mRS评分)及一般临床资料等。根据时间窗中位数将患者分为早期时间窗组和晚期时间窗组。应用统计学方法分析不同时间窗的卒中患者预后差异。结果根据时间窗中位数将患者分为早期时间窗组(≤300 min；118例)和晚期时间窗组(＞300 min；82例)，两组间治疗前DWI梗死体积和DWI-PWI不匹配体积无明显统计学差异(P＞0.05)。然而，与晚期时间窗组相比，早期时间窗组治疗后DWI梗死体积增长较小[11 mL (1～45 mL)与29 mL (3～87 mL)]、3个月良好功能预后比例较高(62.71%与39.02%)，差异有统计学意义(t=-2.371，P=0.027；χ2=10.898，P=0.001)。多元逻辑回归分析显示血管再通程度、(OR 3.75；95% CI：1.43～10.86；P=0.008)、治疗后DWI梗死体积增长(OR 0.73；95% CI：0.58～0.95；P=0.017)、时间窗(OR 0.41；95% CI：0.11～0.79；P=0.005)为预测卒中预后的独立预测因子。结论DWI-PWI不匹配卒中患者的临床预后存在时间依赖性，早期时间窗、血管完全再通和治疗后较小的DWI梗死体积增长有利于卒中的良好功能预后。

简介：摘要目的探讨颅内前后循环急性卒中预后差异及危险因素。材料与方法回顾性分析急性前循环脑卒中患者210例和后循环85例。所有患者发病时间为24 h之内，均于治疗前行MRI检查。按治疗方法将患者分为静脉溶栓治疗组及动脉取栓组。收集患者临床资料、扩散加权成像（diffusion-weighted imaging，DWI）梗死体积、血管再通程度（mTICI评分）及3个月预后（mRS评分）。统计学方法分析不同治疗组前后循环卒中患者预后差异及影响因素。结果200例静脉溶栓治疗患者中，前循环组（150例) DWI梗死体积明显大于后循环组（50例）(28.04±21.72与13.54±15.17；t=-4.077，P=0.023)；然而前循环组预后良好比例明显高于后循环组（72.67％与42.00%；χ2=15.502，P=0.000)。95例动脉取栓治疗患者中，前循环组(50例) DWI梗死体积明显大于后循环组(35例) (68.04±17.39与43.54±6.17；t=-2.170，P=0.037)；血管再通率明显高于后循环组(mTICI评分2b~3分：78.33％与51.43%；χ2=7.406 ，P=0.011)；与后循环组相比，前循环组预后良好比例较高（70.00％与45.71%；χ2=5.483；P=0.029)。逻辑回归分析显示DWI梗死体积[OR (95% CI)：1.34(1.17~1.54)；P=0.021]为预测卒中静脉溶栓治疗预后的独立预测因子；DWI梗死体积[OR (95% CI)：1.19(1.07~2.85)；P=0.034]、mTICI评分[OR (95% CI)：3.88(1.27~11.78)；P=0.016]为预测卒中动脉取栓治疗预后的独立预测因子。结论前循环卒中患者预后好于后循环卒中，综合评估卒中DWI梗死体积、血管再通程度可有助于预测卒中预后。

简介：摘要目的通过构建基于临床因素、影像因素、临床联合影像因素的预后预测模型，以期寻找卒中患者机械取栓治疗后最优的预后预测模型。材料与方法回顾性分析在南京市第一医院接受机械取栓治疗的急性脑卒中患者71例。所有患者均为发病24 h内并于治疗前接受MRI检查。收集所有患者的MRI资料及一般临床资料。患者预后采用3个月改良Rankin量表(modified Rankin Scale，mRS)评分评估。应用多元逻辑回归分析方法分别筛选卒中患者预后的独立预测因子并构建临床预测模型、影像预测模型及临床联合影像预测模型，并采用ROC曲线分析模型对卒中预后的预测效能。结果71例患者中预后良好者为35例，预后不良者为36例。多元逻辑回归临床因素结果显示年龄(OR=1.071；95% CI：1.010～1.135；P=0.022)、入院NIHSS评分(OR=1.225；95% CI：1.099～1.366；P＜0.001)为预测卒中预后的独立预测因子，该模型预测卒中预后的AUC为0.810 (95% CI：0.709～0.911)，敏感度和特异度分别为80.6%、71.4%。回归影像因素结果显示低灌注强度比值(hypoperfusion intensity ratio，HIR) (OR=4.037；95% CI：1.241～13.136；P=0.005)为预测卒中预后的独立预测因子，该模型预测卒中预后的AUC为0.862 (95% CI：0.772～0.952)，敏感度和特异度分别为72.2%、94.3%。回归临床联合影像因素显示入院NIHSS评分(OR=1.157；95% CI：0.998～1.341；P=0.043)、HIR (OR=6.669；95% CI：4.817～15.051；P=0.009)为预测卒中预后的独立预测因子，该模型预测卒中预后的AUC最高，达0.905 (95% CI：0.830～0.979)，其敏感度为94.4%、特异度为82.9%。结论临床联合影像的预测模型优于临床模型、影像模型，可有效提高急性脑卒中机械取栓治疗后预后的预测效能。

简介：摘要目的探讨急性脑卒中血管内机械取栓(endovascular thrombectomy，EVT)治疗前缺血核心体积(ischemic core volume，ICV)结合相对灌注率在评估血管再通及预后中的价值。材料与方法回顾性分析在本院就诊的急性缺血性脑卒中患者病例200例，所有患者均于治疗前24 h内行MRI检查。灌注加权缺血核心体积(perfusion weighting ICV，pw-ICV)为ICV与相对脑血流量(relative cerebral blood flow，rCBF)相乘。血管完全再通采用mTICI分级评估(0～2a：不全再通；2b～3：完全再通)。预后评估采用3个月mRS评分(0～2分：预后良好；3～6分：预后不良)。统计学分析pw-ICV在血管再通及预后中的预测价值。结果与不全血管再通组(n=68)相比，血管完全再通组(n=132)的治疗前ICV (27.31±19.18 vs. 54.45±29.87)较小、pw-ICV (103.82±77.46 vs. 216.20±88.19)较小，差异有统计学意义(P＜0.05)。与预后不良组(n=71)相比，预后良好组(n=129)的入院NIHSS评分(15.71±6.18 vs. 18.27±6.37)较低、治疗前ICV (28.42±17.38 vs. 53.51±28.79)较小、pw-ICV (113.27±79.61 vs. 221.07±87.37)较小、血管再通率(89.15% vs. 23.94%)较高，差异有统计学意义(P＜0.05)。Logistic多元逻辑回归分析显示pw-ICV (OR 0.930；95% CI：0.854～1.465；P=0.016)为预测急性脑卒中血管再通的独立预测因子。pw-ICV (OR 0.971；95% CI：0.551～1.865；P=0.025)和血管完全再通(OR 5.26；95% CI：1.572～13.179；P=0.037)为预测急性脑卒中预后的独立预测因子。结论急性缺血性脑卒中患者EVT治疗前pw-ICV在血管再通及预后中具有重要意义。

简介：摘要目的以急性缺血性脑卒中患者数字减影血管造影(digital subtraction angiography，DSA）为侧支循环标准，探讨低灌注强度比值（hypoperfusion intensity ratio，HIR）与侧支循环间的相关性。材料与方法回顾性分析2017年1月至2020年3月就诊且行机械取栓的急性缺血性脑卒中患者100例，所有患者均于治疗前行MRI[扩散加权成像（diffusion weighted imaging，DWI)、灌注加权成像（perfusion weighted imaging，PWI)]检查。侧支循环评分采用美国介入与治疗学会神经放射治疗学(American Society of Interventional and Therapeutic Neuroradiology，ASITN）分级系统评估，ASITN 0~2级为侧支循环不丰富，ASITN 3 ～4级为侧支循环丰富。HIR为脑血流达峰时间（Tmax)>10 s体积与Tmax> 6 s体积的比值。应用Spearman等级相关分析及ROC曲线分析HIR与侧支循环间的相关性。结果侧支循环丰富组（ASITN 3~4级）(51例) Tmax> 6 s体积[(91.62±12.40) ml与（125.73±17.91) ml]、Tmax> 10 s体积[(26.14±17.74) ml与58.23±29.96) ml]、PWI-DWI不匹配体积[(72.52±10.08) ml与(89.63±14.60) ml]及HIR值（0.33±0.08与0.43±0.09）明显小于侧支循环不丰富组（ASITN 0~2级）(49例），差异有统计学意义(t=9.547，P=0.007；t=7.596，P<0.001；t=7.118，P=0.016；t=-5.753，P<0.001)。Spearman相关分析显示HIR值与ASITN分级间呈负相关(r=-0.672；P<0.001)。受试者操作曲线（receiver operating characteristic，ROC）分析显示HIR预测卒中侧支循环（ASITN分级）的曲线下面积为0.801 (95% CI：0.714~0.888)。当HIR的最佳临界值为0.40时，预测卒中侧支循环（ASITN分级）的敏感度和特异度分别为77.60％和74.51%。结论急性缺血性脑卒中患者机械取栓治疗前低HIR与丰富的侧支循环密切相关。与金标准DSA相比，HIR是一个可靠的侧支循环测量指标，HIR <0.4是预测卒中良好侧支循环的最佳值。

简介：摘要目的探讨基于计算流体动力学（computational fluid dynamics，CFD）大脑中动脉闭塞引起的急性缺血性脑卒中的血流动力学与再灌注治疗后出血转化的关系。材料与方法纳入磁共振血管造影（magnetic resonance angiography，MRA）证实的大脑中动脉闭塞的急性缺血性脑卒中患者共38例，搜集治疗前MRA数据和入院时一般临床资料进行回顾性分析。基于MRA-CFD模型模拟血流动力学，获得血流动力学参数如下：血压（pressure)、壁切应力（wall shear stress，WSS）及壁切应力梯度（wall shear stress gradient，WSSG)。Rpressure、RWSS及RWSSG分别为大脑中动脉起始处与闭塞处正常管径压力、WSS及WSSG的比值。所有患者接受标准治疗。根据治疗后48 h内随访CT或MRI有无出血分为出血组和未出血组。比较两组间临床及血流动力学参数差异并进行相关性分析。结果总共纳入38例患者，出血组17例，未出血组21例。与未出血组相比，出血组有更多的高血压患者(P=0.008)、更高的入院收缩压[(149.1±23.9) mm Hg与(139.3±16.3) mm Hg比较，P=0.024］及舒张压［(90.2±16.7) mm Hg与（87.7±8.5) mm Hg比较，P=0.008]、更高的血浆同型半胱氨酸［(16.6±11.1) µmol/L与（13.2±3.5) µmol/L比较，P=0.024]。出血组较未出血组，RWSS和RWSSG更高(P<0.05)，而Rpressure无统计学差异(P>0.05 )。相关性分析显示高血压(r=-0.428，P=0.007)、RWSS (r=-0.341，P=0.036)与脑梗再灌注治疗后出血转化有统计学差异。结论高血压及局部血管内RWSS与大脑中动脉闭塞急性缺血性脑卒中患者再灌注治疗后出血转化有关，且入院时高血压及再灌注治疗前局部血管内高RWSS更可能导致再灌注治疗后出血转化。

简介：摘要目的探讨基于计算流体动力学(computational fluid dynamics，CFD)探究大脑中动脉(middle cerebral artery，MCA)粥样硬化性狭窄程度为50%～99%的急性缺血性脑卒中和其临床功能预后之间的潜在关系。材料与方法回顾性收集大脑中动脉粥样硬化性急性缺血性脑卒中患者共50例，收集其一般临床资料，基于CFD获取血流动力学参数：壁切应力比(wall shear stress ratio，WSSR)、压力比(pressure ratio，PR)、血流流速比(velocity ratio，VR)、横截面积比(area ratio，AR)、质量流比(mass flow ratio，MFR)，基于3个月改良Rankin量表(modified Rankin Scale，mRS)评分，将患者分为预后良好组(0～2分)和预后不良组(3～6分)，比较两组间一般临床资料及血流动力学参数，并进行相关性分析。结果共纳入50例患者，预后良好组28例，预后不良组22例。预后不良组较预后良好组高血压患者(81.82% vs. 50%，P=0.020)、糖尿病患者(59.09% vs. 28.57%，P=0.030)和高脂血症患者均更多(54.55% vs. 25%，P=0.033)，入院NIHSS评分(8.82±4.69 vs. 5.96±3.42；P=0.038)及24 h NIHSS评分(8.00±5.38 vs. 4.39±3.43；P=0.027)均更高，WSSR (3.04±1.56 vs. 8.68±9.67，P=0.002)、VR (2.02±0.59 vs. 3.65±2.16，P=0.000)、AR (1.30±0.13 vs. 1.62±0.34，P=0.000)及MFR (1.42±0.31 vs. 1.94±0.84，P=0.008)均更低，PR (0.99±0.01 vs. 0.97±0.04，P=0.011)更高；相关性分析结果显示，高血压(r=0.334，P=0.018)、糖尿病(r=0.295，P=0.037)、入院NIHSS评分(r=0.425，P=0.002)、24 h NIHSS评分(r=0.472，P=0.001)、WSSR (r=-0.299，P=0.035)、VR (r=-0.384，P=0.006)和AR (r=-0.472，P=0.001)与急性缺血性脑卒中功能预后差异有统计学意义。结论低WSSR、VR、AR、MFR及高PR更易导致急性缺血性脑卒中预后不良，且WSSR、VR和AR与急性缺血性脑卒中功能预后呈负相关。