| 摘 要： | 目的 探讨基于纹理特征的自动化机器学习（Automated Machine Learning,AutoML）在窄带成像技术结合放大内镜（Narrow-Band Imaging-Magnification Endoscopy,NBI-ME）图片中区分早期和进展期食管鳞癌的应用。方法 收集苏州大学附属第一医院内镜中心食管鳞癌NBI-ME图片1507张，随机分为训练集（1264张）和验证集（243张）。使用MATLAB软件，提取整张内镜图片，共计32个纹理特征变量。将上述变量载入H2O平台进行AutoML二分类建模。另收集苏州大学附属第二医院内镜图片（278张）作为外部测试集。同时邀请1名低年资和1名高年资内镜医生对外部测试集进行判读。采用受试者工作特征（Receiver Operating Characteristic,ROC）曲线下面积（Area Under Curve,AUC）和准确度（Accuracy,ACC）等评估鉴别效能。结果 基于RF算法的AutoML模型在外部测试集中表现最优，其AUC为0.975,ACC为0.939，显著优于其他模型，包括传统的GLM(AUC:0.776、A...
|
