换一批开发并验证基于CT的深度学习联合模型预测肺腺癌气道播散:一项多中心、回顾性研究
Development and Validation of A CT-based Deep Learning Combined Model for Predicting Airway Spread of Lung Adenocarcinoma:A Multicentre,Retrospective Study
摘要目的 开发一种基于CT的深度学习联合模型预测肺腺癌气道播散.方法 纳入2019年1月至2023年12月3家医院经CT扫描和手术诊断为肺腺癌593例患者,分为训练组、内部验证组、外部验证组.基于Resnet-101为基础模型,从肺腺癌患者CT图像中构建一个深度学习标签(DL-score),使用7种机器学习算法,包括逻辑回归(LR)、极端梯度增强(Xgboost)、支持向量机(SVM)、随机森林(RF),决策树(DT)、k近邻(KNN)和人工神经网络(ANN)构建联合模型预测肺腺癌STAS.结果 对比训练队列中7种不同机器学习模型,ANN模型表现出最佳预测效能,在训练组和内部验证组的受试者工作特征(ROC)曲线下面积(AUC)分别为0.906(95％CI:0.873～0.936)和0.903(95％CI:0.855～0.944).在外部验证组中,AUC为0.841(95％CI:0.757～0.923),显示出令人满意的推广效果.结论 基于CT的深度学习联合模型(ANN)可以准确评估肺腺癌患者气道播散,可成为指导临床术前诊疗的有效辅助工具.
更多相关知识
关键词
肺腺癌气道播散人工神经网络深度学习机器学习Lung AdenocarcinomaSpread Through Air SpacesArtificial Neural NetworkDeep LearningMachine Learning
分类号
R445（诊断学）
栏目名称
DOI
10.3969/j.issn.1672-5131.2025.11.015
发布时间
2025-12-10（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
