2023年中国研究生数学建模竞赛E题.zip

# AI_CDM_for_ICH > 2023年中国研究生数学建模竞赛E题 ### Title: 出血性脑卒中临床智能诊疗建模 #### 一、 背景介绍 出血性脑卒中指非外伤性脑实质内血管破裂引起的脑出血，占全部脑卒中发病率的10-15%。其病因复杂，通常因脑动脉瘤破裂、脑动脉异常等因素，导致血液从破裂的血管涌入脑组织，从而造成脑部机械性损伤，并引发一系列复杂的生理病理反应。出血性脑卒中起病急、进展快，预后较差，急性期内病死率高达45-50%，约80%的患者会遗留较严重的神经功能障碍，为社会及患者家庭带来沉重的健康和经济负担。因此，发掘出血性脑卒中的发病风险，整合影像学特征、患者临床信息及临床诊疗方案，精准预测患者预后，并据此优化临床决策具有重要的临床意义。 出血性脑卒中后，血肿范围扩大是预后不良的重要危险因素之一。在出血发生后的短时间内，血肿范围可能因脑组织受损、炎症反应等因素逐渐扩大，导致颅内压迅速增加，从而引发神经功能进一步恶化，甚至危及患者生命。因此，监测和控制血肿的扩张是临床关注的重点之一。此外，血肿周围的水肿作为脑出血后继发性损伤的标志，在近年来引起了临床广泛关注。血肿周围的水肿可能导致脑组织受压，进而影响神经元功能，使脑组织进一步受损，进而加重患者神经功能损伤。综上所述，针对出血性脑卒中后的两个重要关键事件，即**血肿扩张**和**血肿周围水肿**的发生及发展，进行早期识别和预测对于改善患者预后、提升其生活质量具有重要意义。 医学影像技术的飞速进步，为无创动态监测出血性脑卒中后脑组织损伤和演变提供了有力手段。近年来，迅速发展并广泛应用于医学领域的人工智能技术，为海量影像数据的深度挖掘和智能分析带来了全新机遇。期望能够基于本赛题提供的影像信息，联合患者个人信息、治疗方案和预后等数据，构建智能诊疗模型，明确导致出血性脑卒中预后不良的危险因素，实现精准个性化的疗效评估和预后预测。相信在不久的将来，相关研究成果及科学依据将能够进一步应用于临床实践，为改善出血性脑卒中患者预后作出贡献。 <img src="https://img2023.cnblogs.com/blog/1535268/202309/1535268-20230922155739187-748823820.png" alt="image" style="zoom:67%;" /> ​ 图1. 左图脑出血患者CT平扫，右图红色为血肿，黄色为血肿周围水肿 #### 二、 数据集介绍及建模目标 赛题提供了==160例==（`100`例训练数据集+`60`例独立测试数据集）出血性脑卒中患者的**个人史**、**疾病史**、**发病及治疗**相关信息、多次重复的影像学检查（CT平扫）结果及患者预后评估,该部分信息可在“**表1-患者列表及临床信息”**中查询。如图1为脑出血患者CT平扫，红色为血肿区域，黄色为水肿区域。 赛题提供影像学检查数据，包括各个时间点血肿/水肿的体积、位置、形状特征及灰度分布等信息。体积及位置信息可在“**表2-患者影像信息血肿及水肿的体积及位置”**中查询。形状及灰度分布信息可在“**表3-患者影像信息血肿及水肿的形状及灰度分布”**中查询。 **赛题目标**：通过对真实临床数据的分析，研究出血性脑卒中患者血肿扩张风险、血肿周围水肿发生及演进规律，最终结合临床和影像信息，预测出血性脑卒中患者的临床预后。 **目标变量:** - 发病48小时内是否发生血肿扩张：1是；0否。 - 发病后90天 mRS：0-6，有序等级变量。其中mRS是评估卒中后患者功能状态的重要工具，详见附件2相关概念 **临床信息：**相关信息在“**表1-患者列表及临床信息**”中获取。 - ID：患者ID。 - 训练数据集：sub001至sub100，共计100例。包含：患者信息、首次及所有随访影像数据及90天mRS。 - 测试数据集1：sub101至sub130，共计30例。包含：患者信息、首次影像数据。不包含：随访影像数据及90天mRS。 - 测试数据集2：sub131至sub160，共计30例。包含：患者信息、首次及所有随访影像数据。不包含：90天mRS。 - 入院首次影像检查流水号：一个14位数字编码。前8位代表年月日，后6位为顺序编号（注意：不是时分秒）。流水号是影像检查的唯一编码，具体影像检查时间点可通过对应流水号在“**附表1-检索表格-流水号vs时间”**中检索。 - 年龄： 岁 - 性别：男/女 - 脑出血前mRS评分：0-6，有序等级变量 - 高血压病史：1是0否 - 卒中病史：1是0否 - 糖尿病史：1是0否 - 房颤史：1是0否 - 冠心病史：1是0否 - 吸烟史：1是0否 - 饮酒史：1是0否 **发病相关特征**，共计2字段。 - 血压：收缩压/舒张压。单位： 毫米汞柱 - 发病到首次影像检查时间间隔：单位：小时 **治疗相关特征**，共计7字段。 - 脑室引流：1是0否 - 止血治疗：1是0否 - 降颅压治疗：1是0否 - 降压治疗：1是0否 - 镇静、镇痛治疗：1是0否 - 止吐护胃：1是0否 - 营养神经：1是0否 **影像相关特征**，共计84字段/时间点。 - 血肿及水肿的体积和位置信息在“**表2-患者影像信息血肿及水肿的体积及位置”**中获取，包含了：每个时间点`血肿（Hemo）总体积`及`水肿（ED）总体积`及不同位置的占比。 体积占比定义：血肿/水肿在该位置的体积占总体积大小的比例，取值范围为：0-1。如：0代表该区域没有发生血肿/水肿，1则代表该患者所有血肿/水肿均发生在该区域，可通过占比换算出该位置绝对体积。本赛题采用通用模板，区分`左右侧大脑前动脉`（ACA_L， ACA_R），`左右侧大脑中动脉`（MCA_L，MCA_R），`左右侧大脑后动脉`（PCA_L，PCA_R），`左右侧脑桥/延髓`（Pons_Medulla_L，Pons_Medulla_R），`左右侧小脑`（Cerebellum_L，Cerebellum_R）共十个不同位置，具体位置和参考文献见**附件2-相关概念**。 综上，**总体积**：2个字段（单位：10-3ml），**位置**：20个字段。在每个时间点，体积及位置特征共计22个字段。 - 血肿及水肿的形状及灰度分布在“**表3-患者影像信息血肿及水肿的形状及灰度分布”**的两个不同标签页存放，可通过流水号检索对应数据。每个时间点血肿及水肿的形状及灰度特征，反映目标区域内体素信号强度的分布（17个字段）及三维形状的描述（14个字段），因此，在每个时间点，血肿及水肿的形状+灰度分布特征共62字段。 > 注：重复影像数据根据临床真实情况提供，重复时间个体间可能存在差异。 #### 三、请建模回答如下问题 ##### 1. 血肿扩张风险相关因素探索建模 **a).** 请根据“表1”（字段：入院首次影像检查流水号，发病到首次影像检查时间间隔），“表2”（字段：各时间点流水号及对应的HM_volume），判断患者sub001至sub100发病后48小时内是否发生血肿扩张事件。 *结果填写规范*：1是0否，填写位置：“表4”C字段（是否发生血肿扩张）。 如发生血肿扩张事件，请同时记录血肿扩张发生时间。 *结果填写规范*：如10.33小时，填写位置：“表4”D字段（血肿扩张时间）。 > **是否发生血肿扩张**可根据血肿体积前后变化，具体定义为：后续检查比首次检查**绝对体积增加≥6 mL**或**相对体积增加≥33%**。 > > 注：可通过流水号至“附表1-检索表格-流水号vs时间”中查询相应影像检查时间点，结