换一批基于影像组学与炎症因子的心房颤动精准识别模型构建
Construction of a precise recognition model for atrial fibrillation based on radiomics and inflammatory factors
摘要目的:探讨基于影像组学特征与炎症因子水平的多模态融合模型在心房颤动(AF)精准识别中的应用价值.方法:回顾性分析2024 年 1月—2025年1 月昆明市延安医院心内科收治的疑似AF患者100例,其中确诊AF患者70例、非AF患者30例.所有患者均完成心脏CT或MRI检查,提取226项影像组学特征,并检测血清白介素6(IL-6)、C反应蛋白(CRP)、肿瘤坏死因子α(TNF-α)、白介素10(IL-10)水平.按7∶3比例划分为训练集与验证集,训练集中采用最小绝对收缩与选择算子(LASSO)回归筛选特征,结合多因素Logistic回归确定独立预测因子,分别建立影像组学模型、炎症因子模型及融合模型(逻辑回归与随机森林算法),并引入5折交叉验证评价模型稳定性.逻辑回归模型采用P(AF)计算预测概率,随机森林模型以多棵决策树投票结果为输出.结果:LASSO筛选出10个最具区分度的影像特征,其中两组纹理熵、灰度方差及小波能量特征比较,差异有统计学意义(P＜0.05).多因素分析显示,纹理熵、灰度方差、IL-6与CRP为独立预测因素.训练集融合模型(逻辑回归)曲线下面积(AUC)为0.947,验证集AUC为0.934,准确率为90.1%,灵敏度为 92.8%,特异度为 87.3%,均优于单一模型.结论:结合影像组学特征与炎症因子水平的多模态融合模型可有效提高AF识别的准确性与稳定性,为早期诊断与个体化防治提供参考.
更多相关知识
关键词
心房颤动影像组学炎症因子多模态融合精准识别模型Atrial fibrillationRadiomicsInflammatory factorsMultimodal fusionPrecise identification model
分类号
R445.1（诊断学）
栏目名称
DOI
10.20267/j.issn.2096-3807.2025.24.008
发布时间
2026-01-04（万方平台首次上网日期，不代表论文的发表时间）
基金项目
昆明市卫生健康委员会卫生科研课题（2023-03-01-007）
- 浏览2
- 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
