期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
高分辨率CT影像组学分类诊断类风湿关节炎相关间质性肺疾病的效能 被引量:2
1
作者 柳洪亚 祝洁 +3 位作者 刘晨 钟兵 敬洋 邹庆华 《陆军军医大学学报》 CAS CSCD 北大核心 2024年第8期878-885,共8页
目的探究高分辨率CT(high-resolution computed tomography,HRCT)影像组学用于分类诊断类风湿关节炎相关间质性肺疾病(rheumatoid arthritis associated interstitial lung disease,RA-ILD)的效能。方法筛选陆军军医大学第一附属医院中... 目的探究高分辨率CT(high-resolution computed tomography,HRCT)影像组学用于分类诊断类风湿关节炎相关间质性肺疾病(rheumatoid arthritis associated interstitial lung disease,RA-ILD)的效能。方法筛选陆军军医大学第一附属医院中医与风湿免疫科2019年1月至2023年7月收治的RA-ILD患者病例261例,其中寻常型间质性肺炎(usual interstitial pneumonia,UIP)143例,非特异性间质性肺炎(nonspecific interstitial pneumonia,NSIP)118例,所有患者行HRCT,在HRCT图像上应用U-net深度学习肺分割模型进行自动肺分割,从每个肺分割中提取1688个影像组学特征。逐级使用方差阈值法、单变量特征选择法、最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)进行特征降维,采用多种机器学习算法构建RA-ILD分类诊断影像组学模型。分别采用受试者工作特性(receiver operating characteristic,ROC)曲线和曲线下面积(area under curve,AUC)比较各模型的诊断价值,同时对模型的准确度、敏感度和特异度进行评估。结果从RA-ILD患者HRCT图像中通过特征筛选法最终选定18个最佳特征。在训练集和测试集中UIP和NSIP的放射评分(radiomics score,Radscore)分布差异有统计学意义(P<0.01)。在5种影像组学模型中,支持向量机(the support vector machine,SVM)算法的训练集AUC为0.943(95%CI 0.916~0.966,灵敏度和特异度分别为0.787、0.912),测试集AUC为0.909(95%CI 0.849~0.969;灵敏度和特异度分别为0.625、0.897)。结论本研究构建的RA-ILD分类诊断模型性能良好,且基于SVM算法构建的模型在分类诊断RA-ILD中显示最佳潜能。 展开更多
关键词 影像组学 机器学习 类风湿关节炎 间质性肺疾病
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部