换一批基于CT平扫机器学习预测泌尿系鸟粪石的价值
Prediction of Urinary Struvite Value by Machine Learning Based on Unenhance CT
摘要目的 探讨基于CT平扫图像的机器学习模型在识别鸟粪石的可行性.方法 共纳入63例患者已知成分的146枚结石进行研究.CT平扫图像用于提取纹理特征,使用显著性检验和皮尔逊相关系数对纹理特征进行降维处理,采用梯度提升决策树(GBT)算法建立机器学习模型.应用受试者工作特征曲线(ROC)评估机器学习预测模型的诊断性能.结果 共提取1746个纹理特征,筛选出12个最优纹理特征用于构建机器学习模型.训练集和测试集的机器学习模型识别鸟粪石的曲线下面积(AUC)分别为0.928和0.836.决策曲线提示模型具有较好的临床实用价值.结论 基于CT平扫图像构建的机器学习模型对识别泌尿系鸟粪石具有较高的价值.
更多相关知识
- 浏览6
- 被引1
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
