换一批基于机器学习的眼眶神经鞘瘤关键特征识别与多维数据分析
Key feature recognition and multidimensional data analysis of orbital schwannomas based on machine learning
摘要目的:对基于机器学习的眼眶神经鞘瘤多维数据进行分析,并识别关键特征,以丰富该领域研究.方法:选取2019年1月—2024年12月于西安市人民医院接受治疗的89例眼眶神经鞘瘤患者作为观察组,选取同期疑似眼眶神经鞘瘤,但经病理学、影像学等检查未确诊该疾病者60例作为对照组,分别从人口学特征、病理学特征、眼部检查、影像学特征、免疫组化等多个维度收集数据,应用多种机器学习回归模型对数据进行综合分析,判别影响眼眶神经鞘瘤的主要指标与次要指标.结果:影响眼眶神经鞘瘤的主要指标为眼球突出度、表观扩散系数(ADC)值和S-100蛋白表达水平,其在LightGBM模型中的权重分别为0.171、0.142和0.118,在XGBoost模型中的权重分别为0.110、0.444和0.111,该结果在两模型中均得到一致性验证.次要指标包括年龄、眼胀头晕、裸眼视力等级及T1WI信号等.此外,性别、家族史、T2WI均匀性等特征的权重接近0,表明在当前模型框架下,这些因素对判断的影响微乎其微.结论:临床实践应重点关注ADC值、眼球突出度、S-100蛋白表达这三项核心指标,以实现对眼眶神经鞘瘤的高效评估与预测.
更多相关知识
分类号
R739.7+2（眼肿瘤）
栏目名称
DOI
10.12180/j.issn.2096-7721.2026.01.027
发布时间
2026-03-06（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
