换一批基于机器学习的男性膀胱出口梗阻诊断模型
A diagnostic model for male bladder outlet obstruction based on machine learning
摘要目的 构建一种针对男性膀胱出口梗阻的机器学习诊断模型.方法 采用回顾性分层抽样收集华中科技大学同济医学院附属同济医院2019-2024年580例男性患者尿动力学检查数据(梗阻290例/非梗阻290例),提取15项特征值,建立数据集.选取不同的特征组合构建模型并利用数据集对不同模型进行训练并验证.以精确度、召回率、F1值、准确度和特异性为评价指标评估模型的性能.结果 采用五折交叉验证,当特征数量为11项时模型性能最优,其曲线下面积值达0.95±0.02.该模型性能显著优于传统方法(尿道阻力线性图与膀胱排出梗阻指数).结论 基于反向传播神经网络的机器学习模型,对男性膀胱出口梗阻具有良好的诊断价值.
更多相关知识
关键词
膀胱出口梗阻尿动力学机器学习反向传播神经网络特征提取诊断模型bladder outlet obstructionurodynamicsmachine learningbackpropagation neural networkfea-ture extractiondiagnostic algorithm
栏目名称
DOI
10.13885/j.issn.2097-681X.2025.07.002
发布时间
2025-09-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
湖北省自然科学联合基金项目（2023AFD072）
华中科技大学创新与转化孵化项目（2022ZHFY11）
- 浏览2
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
