本发明属于动静脉畸形出血风险预测，具体涉及一种基于伪连续动脉自旋标记mri的动静脉畸形患者动静脉畸形出血风险预测列线图模型、构建方法、动静脉畸形出血风险预测方法及应用。
背景技术：
1、动静脉畸形(avms)是一种缺乏正常毛细血管系统的血管性疾病。动静脉畸形可以导致一系列临床症状，脑出血是最常见和严重的结果之一，显著增加发病率和死亡率，目前，动静脉畸形的评分系统主要依靠定性解剖特征，而不是定量指标，这样治疗会导致并发症，因此，对血流动力学特征进行详细的定量分析对于提高诊断的准确性至关重要。
2、目前虽然数字减影血管造影(dsa)是诊断和评估动静脉畸形的金标准)，但它涉及的风险包括操作者和患者暴露于x射线辐射和造影剂所产生的潜在不良反应以及手术过程中的并发症。此外，dsa缺乏定量指标，只能提供对动静脉畸形的定性解剖见解，限制了更全面和精确的调查的潜力。近年来动脉自旋标记(asl)mri技术越来越多的被使用，与传统的连续和脉冲asl方法相比，伪连续asl(pcasl)mri技术提高了信噪比并改善了脑血流(cbf)，因此，pcasl越来越成为脑灌注研究的首选技术。
3、目前大多数使用asl mri进行avm研究，但是该技术不仅受到小样本量的限制，而且其往往集中于诊断有效性的定性评估，无法对avm患者不同脑区和病灶相关区的cbf进行定量评估，且没有办法描述cbf动力学和avm出血之间的关系，也没有办法对avm患者与健康人群之间脑灌注的进行识别。
技术实现思路
1、本发明的目的在于克服现有技术的不足，提供一种基于伪连续动脉自旋标记mri的动静脉畸形患者动静脉畸形出血风险预测列线图模型、构建方法、动静脉畸形出血风险预测方法及应用。
2、本发明的第一个目的是提供一种基于伪连续动脉自旋标记mri的动静脉畸形患者动静脉畸形出血风险预测列线图模型，包括列线图，所述列线图中：
3、第一行为分值标尺，分值范围为0～100；
4、第二行为畸形团内脑血流速度，数值范围为0～300；
5、第三行为年龄，数值范围为0～70；
6、第四行为小型病灶，数值为0或1；
7、第五行为病灶累及脑室，数值为0或1；
8、第六行为总分值，是第二行至第五行的分值总和，分值范围为0～300；
9、第七行为破裂可能性，由第六行总分值通过列线图预测模型计算得到，分值范围为0.1～0.9。
10、本发明的第二个目的是提供一种上述的预测列线图模型的构建方法，包括以下步骤：
11、s1、获取多个动静脉畸形患者的样本数据；
12、s2、对步骤s1得到的样本数据进行单因素分析，得到重要因素；
13、s3、将步骤s2得到的重要因素进行多变量逻辑回归分析，得到动静脉畸形出血的危险因素；
14、s4、基于步骤s3得到的危险因素建立得到预测列线图模型。
15、优选的，步骤s1中，所述样本数据包含动静脉畸形患者的畸形团内脑血流速度、性别、年龄、主要供血动脉位置、大型病灶、小型病灶、病灶位置、供血动脉数量、静脉引流模式、病灶累及脑室、供血动脉和病灶内动脉瘤。
16、优选的，步骤s2中，所述重要因素为动静脉畸形患者的畸形团内脑血流速度、年龄、大型病灶、小型病灶和病灶累及脑室。
17、优选的，步骤s3中，所述动静脉畸形出血的危险因素为畸形团内脑血流速度、年龄、小型病灶和病灶累及脑室。
18、优选的，大型病灶的尺寸为≥3cm，小型病灶的尺寸为小于3cm。
19、本发明的第三个目的是提供一种上述的预测列线图模型的动静脉畸形患者动静脉畸形出血风险预测方法，包括以下步骤：
20、在上述所构建的预测列线图模型中，根据动静脉畸形患者的具体情况，对第二行至第五行的每个变量对应选择一个变量取值，将所有被选择的变量取值对应所述分值标尺的分值相加得到总分值，确定所述总分值对应的动静脉畸形患者动静脉畸形破裂可能性取值作为动静脉畸形患者动静脉畸形出血风险发生概率。
21、本发明的第四个目的是提供一种上述的预测列线图模型在动静脉畸形患者动静脉畸形出血风险预测上的应用。
22、本发明与现有技术相比，其有益效果在于：
23、本发明采用3.0t时的伪连续动脉自旋标记mri来定量评估动静脉畸形患者和健康人群的脑血流，通过对动静脉畸形病灶cbf、性别、年龄、初级供血动脉位置、病灶大小、病灶位置、供血动脉、静脉引流模式、心室受累程度和病灶相关动脉瘤等变量进行逻辑回归分析，确定动静脉畸形破裂的相关因素，基于确定的相关因素构建得到列线图预测模型，通过构建的列线图预测模型可对动静脉畸形患者动静脉畸形出血风险进行预测，本发明的列线图预测模型的一致性指数为0.829，表明其准确性相对较高，能够帮助临床医生评估动静脉畸形的出血风险。
1.一种基于伪连续动脉自旋标记mri的动静脉畸形患者动静脉畸形出血风险预测列线图模型，其特征在于，包括列线图，所述列线图中：
2.一种根据权利要求1所述的基于伪连续动脉自旋标记mri的动静脉畸形患者动静脉畸形出血风险预测列线图模型的构建方法，其特征在于，包括以下步骤：
3.根据权利要求2所述的基于伪连续动脉自旋标记mri的动静脉畸形患者动静脉畸形出血风险预测列线图模型的构建方法，其特征在于，步骤s1中，所述样本数据包含动静脉畸形患者的畸形团内脑血流速度、性别、年龄、主要供血动脉位置、大型病灶、小型病灶、病灶位置、供血动脉数量、静脉引流模式、病灶累及脑室、供血动脉和病灶内动脉瘤。
4.根据权利要求3所述的基于伪连续动脉自旋标记mri的动静脉畸形患者动静脉畸形出血风险预测列线图模型的构建方法，其特征在于，步骤s2中，所述重要因素为动静脉畸形患者的畸形团内脑血流速度、年龄、大型病灶、小型病灶和病灶累及脑室。
5.根据权利要求4所述的基于伪连续动脉自旋标记mri的动静脉畸形患者动静脉畸形出血风险预测列线图模型的构建方法，其特征在于，步骤s3中，所述动静脉畸形出血的危险因素为畸形团内脑血流速度、年龄、小型病灶和病灶累及脑室。
6.根据权利要求3所述的基于伪连续动脉自旋标记mri的动静脉畸形患者动静脉畸形出血风险预测列线图模型的构建方法，其特征在于，大型病灶的尺寸为≥3cm，小型病灶的尺寸为小于3cm。
7.一种根据权利要求1或2所述的预测列线图模型的动静脉畸形患者动静脉畸形出血风险预测方法，其特征在于，包括以下步骤：
8.一种根据权利要求1所述的预测列线图模型在动静脉畸形患者动静脉畸形出血风险预测上的应用。
