换一批基于CT影像的可解释人工智能模型鉴别≤5 cm胃胃肠间质瘤与胃平滑肌瘤
An Explainable Artificial Intelligence Model Based on CT Imaging for Differentiating Gastric Gastrointestinal Stromal Tumors from Leiomyomas ≤5 cm in Size
摘要目的:探讨基于多层螺旋CT(MSCT)影像特征结合极端梯度提升(XGBoost)算法构建的预测模型在鉴别≤5cm胃胃肠间质瘤(GIST)与胃平滑肌瘤(GLM)中的价值.方法:回顾性分析124例GIST与47例GLM的临床及MSCT特征,按7∶3分为训练组和验证组.训练组中经最小绝对收缩与选择算子(LASSO)回归筛选7个潜在危险因素,进一步采用多因素逻辑回归确定年龄、累及胃食管结合部、长径/短径比值及延迟期强化程度为独立危险因素.基于此构建XGBoost模型,并通过受试者工作特征曲线下面积(AUC)、灵敏度、特异度、准确度、阳性预测值及阴性预测值进行评价.另采用Sharpley加性解释(SHAP)模型并开发网页版风险计算器实现结果可视化.结果:模型在训练组和验证组的AUC分别为0.923和0.877,灵敏度分别为89.6％和78.9％,特异度分别为78.3％和78.6％,准确度分别为87.4％和78.8％.SHAP分析直观展示了各特征对预测的贡献,网页版计算器可进行个体化风险评估.结论:基于MSCT特征的XGBoost模型能有效区分≤5cm胃GIST与GLM,结合SHAP分析与网页版计算器可实现可解释性与临床应用价值,从而提供了一种新型无创诊断工具.
更多相关知识
关键词
多层螺旋CT极端梯度提升算法胃胃肠间质瘤胃平滑肌瘤Multi-slice spiral CTExtreme gradient boosting algorithmGastrointestinal stromal tumorGastric leiomyoma
分类号
R445.3（诊断学）
栏目名称
DOI
10.3969/j.issn.1006-5741.2026.02.022
发布时间
2026-05-14（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
