不同机器学习模型鉴别结肠型克罗恩病与溃疡性结肠炎的价值 |
| |
作者姓名: | 杜晨 李翠平 王侠 樊梦思 孟帅 吴兴旺 |
| |
作者单位: | 230022 安徽合肥 安徽医科大学第一附属医院放射科 |
| |
基金项目: | 安徽省学术技术带头人科研项目(编号:2021D299) |
| |
摘 要: | 目的 比较不同的机器学习模型在鉴别结肠型克罗恩病(CCD)与溃疡性结肠炎(UC)中的价值。方法 收集2019年6月至2021年12月在安徽医科大学第一附属医院消化科就诊的有完整CT小肠成像(CTE)且经病理证实炎症性肠病(IBD)患者44例(CCD 25例,UC 19例)。利用ITK-Snap软件在静脉期病灶最明显肠段进行勾画,共计勾画106个病变肠段(CCD 58个、UC 48个)。利用AK软件提取勾画区影像组学特征,以7∶3比例随机分为训练集和测试集;对训练集用Correlation_xx和MultiVariate_Logistic算法进行数据降维,筛选组间差异明显的影像组学特征构建6种机器学习模型,用测试集的特征对其进行验证。结果 175种组学特征中有4种组间差异有统计学意义(P<0.05)。6种模型中有4种模型曲线下面积均>0.90。训练集中邻近算法(KNN)模型鉴别CCD与UC的受试者工作特征曲线下面积(AUC)为0.958 (95%CI:0.917~0.992),准确率、特异度、灵敏度分别为87.7%、100%和72.7%;在测试集的AUC为0.904(95%C...
|
关 键 词: | 结肠型克罗恩病 溃疡性结肠炎 影像组学 机器学习模型 |
收稿时间: | 2022-05-12 |
|
| 点击此处可从《安徽医学》浏览原始摘要信息 |
|
点击此处可从《安徽医学》下载免费的PDF全文 |