您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览52 | 下载26

目的 基于门脉期CT图像建立早期预测急性胰腺炎(AP)严重程度的影像组学列线图模型.方法 本研究共纳入 215 例AP 患者,以时间为界分为训练集和测试集.手动勾画胰腺实质感兴趣区(ROI)后提取影像组学特征,并使用 LightGBM算法筛选特征.采用逻辑回归算法建立影像组学模型并计算影像组学得分(Radscore),再联合临床特征构建影像组学列线图模型.最后在测试集中验证该模型预测性能.结果 共筛选出 11 个最佳影像组学特征.Radscore联合C反应蛋白和胰周积液构建的影像组学列线图在训练集、验证集以及测试集中的曲线下面积(AUC)分别为 0.978、0.954 和 0.893.结论 基于门脉期 CT 图像的影像组学列线图模型早期预测重症 AP的性能良好,可为临床诊疗提供辅助性决策参考.

作者:蒋宪;肖波;赵艳梅;祝元仲;陈晓文;何汶静

来源:实用放射学杂志 2023 年 39卷 11期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:52 | 下载:26
作者:
蒋宪;肖波;赵艳梅;祝元仲;陈晓文;何汶静
来源:
实用放射学杂志 2023 年 39卷 11期
标签:
影像组学 重症急性胰腺炎 机器学习 列线图 radiomics severe acute pancreatitis machine learning nomogram
目的 基于门脉期CT图像建立早期预测急性胰腺炎(AP)严重程度的影像组学列线图模型.方法 本研究共纳入 215 例AP 患者,以时间为界分为训练集和测试集.手动勾画胰腺实质感兴趣区(ROI)后提取影像组学特征,并使用 LightGBM算法筛选特征.采用逻辑回归算法建立影像组学模型并计算影像组学得分(Radscore),再联合临床特征构建影像组学列线图模型.最后在测试集中验证该模型预测性能.结果 共筛选出 11 个最佳影像组学特征.Radscore联合C反应蛋白和胰周积液构建的影像组学列线图在训练集、验证集以及测试集中的曲线下面积(AUC)分别为 0.978、0.954 和 0.893.结论 基于门脉期 CT 图像的影像组学列线图模型早期预测重症 AP的性能良好,可为临床诊疗提供辅助性决策参考.

Baidu
map