换一批机器学习算法和能谱CT预测体内一水草酸钙结石
Machine Learning Algorithm and Energy Spectrum CT to Predict Calcium Oxalate Monohydrate Stones in Vivo
摘要目的 本研究的目的是基于能谱CT多定量参数,并利用机器学习算法构建最佳预测模型,用于分析体内一水草酸钙结石.方法 回顾性搜集123例尿路结石患者,将数据按7∶3比例随机分为训练集(n=86)和测试集(n=37).使用六种机器学习算法包括逻辑回归(logistic)、极端梯度增强(XGBoost)、随机森林(RandomForest)、高斯朴素贝叶斯(GNB)、支持向量机(SVM)、K近邻(KNN)构建体内一水草酸钙结石的预测模型,用曲线下面积(AUC)值、校准曲线、DCA曲线、准确率-召回率曲线(PR曲线)、平均精确度(AP)进行综合分析并选出最佳预测模型.模型的可解释性采用SHapley Additive exPlanations(SHAP)算法.结果 最终发现3个独立预测影响因子,分别是年龄、性别、有效原子序数(Zeff),并用其建立的逻辑回归分类模型在5折交叉验证中的训练集中显示最佳识别能力.结论 基于机器学习算法的逻辑回归分类模型可以有效预测体内一水草酸钙结石.
更多相关知识
关键词
人工智能机器学习能谱CT成像一水草酸钙结石Artificial IntelligenceMchine LearningEnergy Spectrum CT ImagingCalcium Oxalate Monohydrate Stones
分类号
R445.4（诊断学）
栏目名称
DOI
10.3969/j.issn.1672-5131.2025.03.051
发布时间
2025-04-08（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览6
- 被引0
- 下载4
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
