换一批基于机器学习预测儿童腹盆部CT器官剂量的可行性研究
Machine Learning Applied to Organ Dose Prediction in Pediatric Abdomen-Pelvis CT
摘要目的 探究机器学习方法用于预测儿童腹盆部CT器官剂量的可行性.方法 回顾性搜集于天津市儿童医院接受腹盆部CT平扫的3415例患儿图像,选择年龄、性别、CT容积剂量指数(CTDIvol)、扫描长度、剂量长度乘积(DLP)和体型特异性剂量估计(SSDE)等六种特征,分别使用支持向量机(SVM)、决策树(DT)、随机森林(RF)和K近邻(KNN)等算法预测个体器官剂量,比较四种模型的性能.利用权重系数和Shapley加法解释(SHAP)确定每个特征对模型的贡献程度.结果 RF整体性能最优,其平均绝对误差、平均绝对百分比误差、均方误差、均方根误差、Pearson 相关系数(r)和决定系数(R2)分别为 1.6341、0.0218、7.3453、2.7102、0.9671(P＜0.001)和0.9330.SSDE对于模型预测贡献程度最高,与预测值为正相关;年龄贡献度仅次于SSDE,与预测值为负相关.结论 临床工作中可使用基于SSDE等指标构建的机器学习模型准确快捷地估测个体器官剂量.
更多相关知识
关键词
器官剂量体型特异性剂量估计机器学习儿童腹盆部CTOrgan doseSize-specific dose estimateMachine learningPediatric abdomen-pelvis CT
栏目名称
发布时间
2025-04-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
天津市医学重点学科(专科)建设项目（TJYXZDXK-040A）
- 浏览21
- 被引0
- 下载14
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
