目的构建基于3D打印矫形器三点力学数据与多种机器学习算法的青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)Cobb角预测模型,以提供一种创新、无辐射的AIS早期临床筛查和监测方法。方法采集AIS患者的临床数据及3D打印矫形...目的构建基于3D打印矫形器三点力学数据与多种机器学习算法的青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)Cobb角预测模型,以提供一种创新、无辐射的AIS早期临床筛查和监测方法。方法采集AIS患者的临床数据及3D打印矫形器的力学数据,构建包含性别、年龄、疾病类型、体重和Risser评分等特征的综合数据集。使用随机森林、支持向量回归、梯度提升回归机、极限梯度提升、轻量级梯度提升机和类别提升6种算法构建并评估Cobb角预测模型性能。结果梯度提升回归机模型在多项评估指标上表现最佳,精确率达到0.937、召回率为0.818、F1分数为0.949、曲线下面积(area under the curve,AUC)为0.843,在验证集中该模型的预测值准确率达到0.942,与实际Cobb值拟合较好。结论基于力学数据和机器学习的Cobb角预测模型有效避免了早期临床筛查中传统全脊柱X线片检查的辐射风险,实现了AIS患者的非侵入性评估,提高了筛查和监测的安全性和效率,为临床医生提供了有力的辅助决策工具,具有重要的临床意义。展开更多
文摘目的构建基于3D打印矫形器三点力学数据与多种机器学习算法的青少年特发性脊柱侧弯(adolescent idiopathic scoliosis,AIS)Cobb角预测模型,以提供一种创新、无辐射的AIS早期临床筛查和监测方法。方法采集AIS患者的临床数据及3D打印矫形器的力学数据,构建包含性别、年龄、疾病类型、体重和Risser评分等特征的综合数据集。使用随机森林、支持向量回归、梯度提升回归机、极限梯度提升、轻量级梯度提升机和类别提升6种算法构建并评估Cobb角预测模型性能。结果梯度提升回归机模型在多项评估指标上表现最佳,精确率达到0.937、召回率为0.818、F1分数为0.949、曲线下面积(area under the curve,AUC)为0.843,在验证集中该模型的预测值准确率达到0.942,与实际Cobb值拟合较好。结论基于力学数据和机器学习的Cobb角预测模型有效避免了早期临床筛查中传统全脊柱X线片检查的辐射风险,实现了AIS患者的非侵入性评估,提高了筛查和监测的安全性和效率,为临床医生提供了有力的辅助决策工具,具有重要的临床意义。
