换一批
换一批基于XGBoost机器学习算法的肺结节浸润性预测模型构建与验证:一项双中心研究
Construction and Verification of Pulmonary Nodules Invasion Prediction Model Based on XGBoost Machine Learning Algorithm:A Two-center Study
摘要：
目的 采用XGBoost机器学习算法构建一个临床影像模型,预测肺结节病理浸润性,并在一个外部验证组中对模型进行泛化性验证.方法 回顾性纳入CT诊断为孤立性肺结节患者248例,分别提取肺结节区域和结节周围3mm、5mm区域的放射组学特征.经过从粗到细的特征选择后,使用最小绝对收缩和选择算子(LASSO)方法计算Radscore.采用单因素和多因素Logistic回归分析筛选与肺结节浸润性相关的临床放射学因素.然后,利用Logistic和XGBoost算法构建临床-放射组学联合模型,在一个独立的外部验证组(n=147)中评估模型的泛化性能.结果 综合Radscore、CT值、肺结节长度、月牙征的临床放射学XGBoost联合模型对肺结节浸润性的预测效果优于放射组学模型、临床放射学Logistic联合模型,在训练队列中的曲线下面积AUC为0.889(95％CI,0.848～0.927),在外部验证组中曲线下面积AUC为0.889(95％CI,0.823～0.942).结论 我们采用XGBoost机器学习算法构建了一种预测肺结节浸润性的临床放射学模型,结果显示出令人满意的预测效能,并在一个独立外部验证组中得到了良好的泛化性验证,可以帮助临床医生指导肺结节的诊疗并制定评估策略.
更多
作者：
作者单位：
海南省中医院放射科(海南海口 570203)
[1]
南方医科大学顺德医院(佛山市顺德区第一人民医院)放射科(广东佛山 528308)
[2]
南方医科大学顺德医院附属陈村医院(佛山市顺德区第一人民医院附属陈村医院)放射科(广东佛山 528313)
[3]
期刊：
《中国CT和MRI杂志》2024年22卷8期 166-169页
ISTIC
分类号：
R445
栏目名称：
论著·人工智能影像
DOI：
10.3969/j.issn.1672-5131.2024.08.054
发布时间：
2024-09-11
基金项目：
广东省中医药局科研项目
佛山市科技计划项目
南方医科大学顺德医院科研启动项目
- 浏览：1
- 被引：0
- 下载：2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
