换一批肾脏超声深度学习早期预测子痫前期孕妇肾功能损害的应用价值
Application of Renal Ultrasound Deep Learning in the Early Detection of Renal Impairment in Pregnant Women with Preeclampsia
摘要目的 探讨基于肾脏超声的深度学习特征联合临床特征构建综合模型早期识别子痫前期孕妇肾功能损害的价值.资料与方法 回顾性收集 2018 年 1 月—2023 年 6 月广西医科大学第一附属医院 279 例孕妇资料,分为子痫前期组 151 例和正常组128例.以7∶3将数据集随机分为训练集195例和测试集84例.利用深度学习卷积神经网络Resnet152提取肾脏超声图像深度学习特征,最小绝对收缩和选择算子从中选择非零系数特征,利用K-近邻算法建立深度学习模型.使用相同的分类器模型结合临床资料构建综合模型.采用受试者工作特征曲线评估模型性能,类激活映射图及SHAP值对模型进行解释性可视化.结果 综合模型的曲线下面积在训练集、测试集中分别为0.964(95%CI 0.940～0.988)、0.899(95%CI 0.835～0.963).SHAP分析显示预测模型中深度学习特征贡献价值最高.结论 基于肾脏超声深度学习特征构建的综合模型可用于早期识别正常妊娠及子痫前期孕妇肾功能损害.
更多相关知识
关键词
先兆子痫超声检查深度学习肾脏肾功能损害预测PreeclampsiaUltrasonographyDeep learningKidneyImpaired renal functionForecasting
栏目名称
DOI
10.3969/j.issn.1005-5185.2025.04.016
发布时间
2025-05-14（万方平台首次上网日期，不代表论文的发表时间）
- 浏览22
- 被引0
- 下载25
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
