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28 | 下载9

目的 为三阴性乳腺癌患者构建一种能够同时获得良好效果的、可解释的预测模型.方法 回顾性分析136例乳腺癌患者的临床特征和多序列多参数核磁共振成像,其中三阴性乳腺癌23例,非三阴性乳腺癌113例.通过勾画提取影像组学特征进行筛选并构建模型,最后结合放射组学特征和独立的临床图像特征,构建机器学习框架.此外,还采用为实现个性化临床决策支持提供个性化评估和解释的SHAP模型可解释器.结果 经过影像组学特征筛选,11个特征参与计算影像组学评分,其在训练集与测试集的AUC为0.898、0.803.将其与临床模型结合,使预测精度进一步提高.结论 多模式可解释预测模型可能会帮助临床医师更准确、更迅速识别三阴性乳腺癌风险,及时、准确为患者治疗.

作者:刘孟昕;葛敏;王世威;陆欢

来源:浙江临床医学 2024 年 26卷 4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:28 | 下载:9
作者:
刘孟昕;葛敏;王世威;陆欢
来源:
浙江临床医学 2024 年 26卷 4期
标签:
三阴性乳腺癌 磁共振 影像组学 SHAP算法 Triple negative breast cancer MRI Radiomics SHAP algorithm
目的 为三阴性乳腺癌患者构建一种能够同时获得良好效果的、可解释的预测模型.方法 回顾性分析136例乳腺癌患者的临床特征和多序列多参数核磁共振成像,其中三阴性乳腺癌23例,非三阴性乳腺癌113例.通过勾画提取影像组学特征进行筛选并构建模型,最后结合放射组学特征和独立的临床图像特征,构建机器学习框架.此外,还采用为实现个性化临床决策支持提供个性化评估和解释的SHAP模型可解释器.结果 经过影像组学特征筛选,11个特征参与计算影像组学评分,其在训练集与测试集的AUC为0.898、0.803.将其与临床模型结合,使预测精度进一步提高.结论 多模式可解释预测模型可能会帮助临床医师更准确、更迅速识别三阴性乳腺癌风险,及时、准确为患者治疗.

Baidu
map