首页 > 中国医疗设备 > 基于影像组学和自动机器学习的PA患者肾上腺静脉取血结果的研究

基于影像组学和自动机器学习的PA患者肾上腺静脉取血结果的研究

Prediction of Adrenal Venous Sampling Outcome in Patients with PA Using Radiomics and Automated Machine Learning

二维码有效期 120s

摘要目的建立基于高分辨率增强CT影像和自动机器学习技术的原发性醛固酮增多症(Primary Aldosteronism,PA)亚型术前预测模型.方法回顾性研究经肾上腺静脉取血(Adrenal Venous Sampling,AVS)结果亚型诊断的PA患者312例,其中,207例诊断为单侧优势(AVS-右∶AVS-左=93∶114),105例诊断为双侧优势.纳入患者初诊CT影像,基于薄层静脉期图像提取双侧肾上腺影像组学特征,并定义影像组学商值特征为双侧肾上腺对应影像组学特征的比值,再将特征向量输入自动机器学习进行模型训练.结果根据自动模型筛选,随机森林分类器在预测AVS结果方面取得了较好的整体性能,其中准确度为0.7500,召回率为0.7466,受试者工作特征曲线下面积为0.8792.结论本系统在预测PA患者的AVS结果方面展示出了一定的潜力,因此,机器学习模型可以在常规临床实践中辅助预测PA的亚型诊断.

作者谢薇 ^[1] 陈涛 ^[2] 罗国婷 ^[3] 王寒箫 ^[1] 舒炀 ^[1] 刘娟 ^[1] 郑涛 ^[4] 孙怀强 ^[3] 学术成果认领

作者单位四川大学华西医院放射科,四川成都 610041 ^[1] 四川大学华西医院内分泌代谢科,四川成都 610041 ^[2] 四川大学华西医院放射科,四川成都 610041;四川大学华西医院临床磁共振研究中心,四川成都 610041 ^[3] 四川大学华西医院信息中心,四川成都 610041 ^[4]

关键词肾上腺静脉取血原发性醛固酮增多亚型诊断影像组学自动机器学习 adrenal venous sampling primary aldosteronism subtype diagnosis radiomics automated machine learning

分类号 R197.39（保健组织与事业《卫生事业管理》）

栏目名称

医学工程技术

DOI 10.3969/j.issn.1674-1633.2024.02.008

发布时间 2024-03-12（万方平台首次上网日期，不代表论文的发表时间）

基金项目

四川省科技厅重点研发项目（23ZDYF2910）