换一批不同机器学习模型预测甲状腺乳头状癌颈部淋巴结转移
Different machine learning models for predicting cervical lymph node metastasis of papillary thyroid carcinoma
摘要目的 对比观察不同机器学习(ML)模型预测甲状腺乳头状癌(PTC)颈部淋巴结转移(CLNM)的价值.方法 纳入207例经病理诊断的PTC患者,根据术后淋巴结病理结果将其分为转移组(n=103)与非转移组(n=104),并以 7∶3比例分为训练集(n=144)与验证集(n=63).结合临床信息和淋巴结超声特征构建随机森林(RF)、决策树(DT)、K近邻法(KNN)、逻辑回归(LR)及支持向量机(SVM)模型,以预测PTC发生CLNM.绘制受试者工作特征曲线,计算曲线下面积(AUC),评价各模型预测PTC CLNM的效能.结果 患者年龄,超声所见淋巴结横径/纵径比值≥0.5、囊性变、微钙化、淋巴门消失、呈偏高回声团及边界不清均为PTC CLNM的影响因素,尤以微钙化对模型的贡献度最高.所获DT、RF模型预测训练集PTC CLNM的准确率达 93.06%,AUC均为 0.987.DT模型及RF模型预测验证集PTC CLNM的AUC分别为 0.817及 0.895,高于其他模型;RF模型的准确率、特异度及阳性预测值分别为 84.13%、93.10%及 92.86%,为 5种ML模型中的最佳者.结论 ML模型中,RF模型用于预测PTC发生CLNM较其他模型更具优势.
更多相关知识
关键词
甲状腺肿瘤癌,乳头状肿瘤转移机器学习超声检查thyroid neoplasmscarcinoma,papillaryneoplasm metastasismachine learningultrasonography
栏目名称
DOI
10.13929/j.issn.1672-8475.2025.03.003
发布时间
2025-04-14（万方平台首次上网日期，不代表论文的发表时间）
基金项目
内蒙古自治区教育厅硕士研究生学科创新项目（S20231192Z）
- 浏览0
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
