换一批基于机器学习算法构建溃疡性结肠炎相关异型增生与结直肠癌的CT鉴别诊断模型及评价
Construction and evaluation of CT differential diagnosis model between ulcerative colitis associated dysplasia and colorectal cancer based on machine learning algorithm
摘要目的 基于机器学习算法构建溃疡性结肠炎(UC)相关异型增生与结直肠癌的CT鉴别诊断模型,并对所构建模型的诊断能力进行评价.方法 选取2023年1月至2024年11月郑州大学第二附属医院收治的60例UC相关异型增生患者(增生组)与60例UC相关性结直肠癌(肠癌组)患者作为研究对象进行回顾性研究.比较两组临床资料、CT表现,筛选增生组与肠癌组的显著差异变量,分别采用逻辑回归、支持向量机(SVM)、梯度增强决策树(GBDT)、极端梯度提升(XGBoost)、轻量的梯度提升机(LightGbm)、随机森林6个机器学习模型技术构建溃疡性结肠炎相关异型增生与结直肠癌的CT鉴别诊断模型.利用五折交叉验证法计算不同机器学习算法的准确率、精确率、召回率、F1分数;采用受试者工作特征(ROC)曲线、校准曲线进行诊断价值评价.结果 6个机器学习模型中随机森林模型的综合诊断性能最佳,其前5名重要性特征变量依次为肠壁息肉、外膜毛躁、肠腔狭窄、肠壁厚度、肠壁分层;校准曲线、ROC曲线分析显示,该模型诊断准确性、稳定性较高.结论 随机森林模型在溃疡性结肠炎相关异型增生与结直肠癌的CT鉴别诊断中的性能最佳,肠壁息肉、外膜毛躁、肠腔狭窄、肠壁厚度、肠壁分层是模型前五位重要特征,该模型准确性较高,可为临床诊断、治疗决策提供指导.
更多相关知识
关键词
机器学习算法溃疡性结肠炎相关异型增生结直肠癌CT影像学诊断模型Machine learning algorithmUlcerative colitis associated dysplasiaColorectal cancerCT imagingDiagnostic model
栏目名称
DOI
10.19528/j.issn.1003-3548.2025.08.017
发布时间
2025-09-12（万方平台首次上网日期，不代表论文的发表时间）
- 浏览5
- 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
