我们发现了6个显著相关的RFs。反映低强度、分散高强度和纹理突变强度连续性的影像组学特征与成功的血运重建结果相关。对于FPE预测，多变量模型具有很高的性能，在训练中AUC=0.832±0.031，准确度=0.760±0.059，在交叉验证测试中AUC=0.787±0.115，准确度0.787±0.127。6个RFs中的每一个都与红细胞和纤维蛋白/血小板分布方面的凝块成分组织有关。成分多样性更高、切片中红细胞和纤维蛋白/血小板区域大小不同的凝块与预测FPE的RFs相关。

表1. 患者特征表。

表2. FPE是和FPE否病例之间的放射学特征显著不同。

图1. 从实现FPE的典型案例中，预测FPE可视化体素的RFs。左上：nCCT，具有感兴趣的凝块区域（ROI）。右上4个面板：顺时针方向，凝块与分割等值面咬合，nCCT灰度相关性矩阵高灰度级强调、nCCT灰度级共生矩阵（glcm）-大相关性低灰度级强调和nCCT一阶峰度的凝块切片上的体素方向RF。左下：具有凝块ROI的CTA图像。右下4个面板：顺时针方向，凝块与分割等表面咬合，CTA glcm相关性、差异-灰度级大小区域矩阵区域熵和CTA-glcm-Imc1凝块切片的体素RF。

图2. 未实现FPE的代表性病例的FPE可视化体素预测RFs。左上：具有感兴趣的凝块区域（ROI）的nCCT。右上4个面板：顺时针方向，凝块与分割等表面对齐，nCCT的凝块切片上的体素方向RF——灰度级相关性矩阵高灰度级强调，nCCT灰度级共现矩阵（glcm）——大相关性低灰度级强调和nCCT一阶峰度。左下：具有凝块ROI的CTA图像。右下4个面板：顺时针方向，凝块与分割等表面咬合，CTA glcm相关性、差异灰度大小区域矩阵区域熵和CTA-glcm-Imc1凝块切片的体素RF。

图3. 在6个最能预测FPE的选定RFs上训练的5倍logistic回归模型的训练和验证性能。A培训绩效指标。B培训ROC。C验证性能指标。D验证ROC。ROC，接收机操作员特性；标准偏差、偏差标准偏差；AUC，roc曲线下面积。

图4. 六类Venn图，识别与预测FPE结果的6个相应RFs相关的重叠组学。RFs之间共同的有趣特征以红色突出显示。与良好血运重建结果相关的RFs的组织学显示，凝块成分更均衡，RBC区域更连续，凝块核心中的FP更多，质地更均匀，FP区域更连续。

图5. 典型的凝块组织学病例。A、 B在1次MT中成功移除的代表性病例，C，D进行多次MT以接近完全再灌注的代表性案例。A和B中所示的病例显示，nCCT gldm LDLGLE、差异glszm ZE的发生率显著较高，nCCT峰度、nCCT HGLE和CTA glcm相关性的发生率明显较低，所有这些都与良好的再灌注结果相关。对于C和D中显示的不良再灌注结果的病例，情况也正好相反。如定量分析中所报道的，对于使用1次MT进行血运重建的病例，我们观察到了更大的红细胞区域簇，尽管红细胞百分比和FP百分比的血栓分布均匀。我们还观察到FPE病例（A，B）中的连续FP区域比不成功病例（C，D）中的更小。