基于髁突CBCT特征的随机森林算法对特发性髁突吸收患者分期的诊断价值
Diagnostic value of random forest algorithm based on condylar CBCT features for the staging of patients with id-iopathic condylar resorption
摘要目的:探讨基于髁突CBCT特征的随机森林算法对特发性髁突吸收(idiopathic condylar resorption,ICR)患者分期的诊断价值.方法:选择2016年1月-2024年12月南京市口腔医院收治的ICR患者120例,分为静止期组(70例)和进展期组(50例),选择同期体检的健康人(40例)作为对照组.测量髁突长度、内1/3宽度、中1/3宽度、外1/3宽度、髁突高度、下颌支高度、髁表面角、髁轴角、髁体积、髁表面积和髁截面积等CBCT特征指标.结果:各组性别、年龄、身高和病程相比无显著差异(P>0.05),CBCT特征指标差异显著(P<0.05).与静止期组相比,进展期组的髁突长度、髁突高度、下颌支高度、髁体积、髁表面积和髁截面积显著减少(P<0.05).以ICR患者处于静止期或进展期为因变量,将单因素分析差异显著的变量纳入随机森林(random forest,RF)算法,重要性排序自高至低依次为髁体积、髁表面积、髁突长度、下颌支高度、髁截面积、髁突高度.将上述CBCT特征进行逐步RF,特征数为5时,袋外数据的误差率最低,重要性排序自高至低依次为髁体积、髁表面积、髁突长度、下颌支高度、髁突面积.以ICR患者处于静止期或进展期为因变量,选取RF中重要性排序前5位的变量进行分析,结果显示髁体积、髁表面积、髁突长度和髁截面积是ICR分期的影响因素(P<0.05).受试者工作特征(receiver operating characteristic,ROC)曲线分析显示,髁体积、髁表面积、髁突长度、髁截面积和联合检测等均可诊断ICR分期(P<0.05),曲线下面积(area under the curve,AUC)均>0.70、敏感度均>58.5%、特异度均≥64%.与单一指标相比,联合检测的AUC、敏感度、特异度显著增高.结论:基于ICR患者髁突CBCT特征的RF对疾病分期具有较高的诊断价值.髁体积、髁表面积、髁突长度和髁截面积是区分静止期与进展期的关键影像学指标,其中,髁体积的重要性最高.联合多项特征检测可显著提高诊断效能,表现为更高的AUC、敏感度及特异度.
更多相关知识
- 浏览1
- 被引0
- 下载0

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文


换一批



