换一批基于肺超声造影深度学习构建预测周围型非小细胞肺癌EGFR突变状态模型
Deep Learning of Contrast-Enhanced Lung Ultrasonography for Predicting EGFR Mutation Status in Peripheral Non-Small Cell Lung Cancer
摘要目的 建立基于肺超声造影深度学习特征联合临床特征的综合模型,预测周围型非小细胞肺癌表皮生长因子受体基因突变状态.资料与方法 回顾性收集 2021 年 7 月—2024 年 2 月广西医科大学第一附属医院经穿刺活检病理确诊的 117 例非小细胞肺癌患者,按照8∶2随机分为训练集93例、测试集24例.选择肺超声造影病灶达峰时相勾画感兴趣区,利用不同深度学习卷积神经网络对数据进行预训练,选择最优的ResNet18提取深度学习特征.基于朴素叶贝斯算法构建深度学习模型、临床模型及综合模型.采用受试者工作特征曲线、校准曲线评估综合模型的价值,类激活映射图及Shapley加法解释值对深度学习模型进行解释性可视化.结果 训练集中,深度学习模型、临床模型、综合模型曲线下面积分别为0.93(95%CI 0.88～0.98)、0.81(95%CI 0.72～0.90)、0.91(95%CI 0.85～0.97);测试集中分别为0.86(95%CI 0.68～1.00)、0.56(95%CI 0.33～0.80)、0.87(95%CI 0.72～1.00).训练集和测试集中深度学习模型、综合模型曲线下面积均高于临床模型(训练集:Z=2.380,P=0.017;Z=2.597,P=0.009;测试集:Z=2.034,P=0.042;Z=2.577,P=0.010).综合模型的校准曲线显示出良好的拟合性,具有良好的预测性能.结论 基于肺超声造影深度学习特征联合临床特征构建的综合模型对非小细胞肺癌表皮生长因子受体突变状态具有较好的预测价值.
更多相关知识
关键词
癌,非小细胞肺超声造影深度学习突变表皮生长因子受体病理学,外科Carcinoma,non-small-cell lungContrast-enhanced ultrasoundDeep learningMutationEpidermal growth factor receptorPathology,surgical
栏目名称
DOI
10.3969/j.issn.1005-5185.2025.11.006
发布时间
2025-12-23（万方平台首次上网日期，不代表论文的发表时间）
- 浏览23
- 被引0
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
