首页 > 中国医学影像技术 > 基于机器学习门静脉期CT影像组学模型预测肝泡型棘球蚴病术后并发症

基于机器学习门静脉期CT影像组学模型预测肝泡型棘球蚴病术后并发症

Portal venous phase CT radiomics model based on machine learning for predicting postoperative complications of hepatic alveolar echinococcosis

二维码有效期 120s

摘要目的观察基于机器学习(ML)门静脉期CT影像组学模型预测肝泡型棘球蚴病(HAE)术后并发症的价值.方法回顾性纳入265例HAE,按7∶3比例将其随机分为训练集(n=185,含106例发生术后并发症)与验证集(n=80,含40例发生术后并发症).基于门静脉期CT图像分割HAE病灶,提取、筛选影像组学特征;分别以5种ML算法构建模型,比较其预测术后并发症的效能.结果 5种ML影像组学模型中,以支持向量机(SVM)模型预测训练集及验证集中HAE术后并发症的整体表现最优;DeLong检验显示,训练集中,SVM模型的曲线下面积(AUC)均显著大于逻辑回归(LR)、K邻近法(KNN)及多层感知器(MLP)模型(P均＜0.001),在验证集中则显著大于自适应增强(AdaBoost)模型(P=0.007).决策曲线分析显示,SVM模型临床净收益最高.结论基于ML算法、尤其SVM算法的门静脉期CT影像组学模型可有效预测HAE术后并发症.

作者张源 ^[1] 侯娟 ^[2] 朱玉才 ^[2] 阿不都热苏力·吐尔孙 ^[3] 郭辉 ^[4] 学术成果认领

作者单位新疆医科大学附属中医医院影像科,新疆乌鲁木齐 830000 ^[1] 新疆医科大学第一附属医院影像中心,新疆乌鲁木齐 830054 ^[2] 新疆人工智能影像辅助诊断重点实验室,新疆喀什 844000;喀什地区第一人民医院影像科,新疆喀什 844000 ^[3] 新疆人工智能影像辅助诊断重点实验室,新疆喀什 844000 ^[4]

关键词棘球蚴病,肝手术后并发症体层摄影术,X线计算机机器学习影像组学 echinococcosis,hepatic postoperative complications tomography,X-ray computed machine learning radiomics

分类号 R532.32（寄生虫病）R814.42（放射医学）

栏目名称

腹部影像学

DOI 10.13929/j.issn.1003-3289.2025.09.017

发布时间 2025-11-19（万方平台首次上网日期，不代表论文的发表时间）

基金项目

新疆人工智能影像辅助诊断重点实验室开放课题（XJRGZN2024016）