换一批基于胸部CT的U-Net深度学习模型诊断儿童肺炎支原体肺炎
Diagnosis of Mycoplasma Pneumoniae Pneumonia in Children Using a U-Net Deep Learning Model Based on Chest CT
摘要目的 评价基于胸部CT影像的U-Net深度学习模型诊断儿童肺炎支原体肺炎(MPP)的价值.方法 回顾性分析434例肺炎患儿(220例MPP,214例非MPP)的治疗前CT影像及临床资料,按照7∶3的比例分层抽样划分为训练集和验证集.采用U-Net深度学习算法分别建立临床模型、影像模型和临床+影像联合模型,并分别通过受试者工作特征曲线(ROC)曲线下面积(AUC)、校准曲线及临床决策曲线(DCA)来评估模型诊断性能、可靠性及临床获益.结果 临床+影像联合模型诊断效能最优,训练集AUC为0.873(95%CI:0.831～0.909),敏感度和特异度分别为88.96%和90.67%,验证集AUC为0.839(95%CI:0.765～0.898),敏感度和特异度分别为87.88%和85.94%.校准曲线及DCA显示临床+影像联合模型稳定性良好且能为患儿带来获益.结论 基于胸部CT的U-Net深度学习模型有助于儿童MPP的早期诊断.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1001-9324.2025.12.024
发布时间
2025-12-17（万方平台首次上网日期，不代表论文的发表时间）
基金项目
贵州省基础研究计划(自然科学)面上项目（MS(2025)431）
贵州省卫生健康委员会科学技术基金立项项目（gzwkj2025-484）
贵州医科大学附属医院国家自然科学基金培育项目（gyfynsfc(2024)-42）
贵州医科大学附属医院博士科研启动基金项目（gyfybsky-2025-18）
- 浏览4
- 被引0
- 下载7
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
