期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于磁共振图像特征机器学习构建胎盘植入诊断模型的初步研究
被引量:
4
1
作者
王颖超
黄刚
+3 位作者
巴志霞
薛莲
黄宝生
夏东洲
《磁共振成像》
CAS
CSCD
北大核心
2023年第8期94-99,107,共7页
目的 探讨基于MRI T2WI影像组学特征的机器学习模型对胎盘植入性病变的诊断价值。材料与方法 回顾性分析130例因怀疑胎盘植入行MRI检查并后期行剖宫产的患者影像资料,依据剖宫产术后结果在MRI T2WI图像分别提取有胎盘植入改变层面和无...
目的 探讨基于MRI T2WI影像组学特征的机器学习模型对胎盘植入性病变的诊断价值。材料与方法 回顾性分析130例因怀疑胎盘植入行MRI检查并后期行剖宫产的患者影像资料,依据剖宫产术后结果在MRI T2WI图像分别提取有胎盘植入改变层面和无胎盘植入层面影像组学特征。以7∶3的比例通过分层抽样的方法将数据分为训练集(n=91)和验证集(n=39),采用5种机器学习方法:logistic回归(logistic regression, LR)、支持向量机(support vector machine, SVM)、随机森林(random forest, RF)、决策树(decision tree, DT)、K近邻(K nearest neighbor, KNN)进行建模分类诊断,通过5折交叉验证确定机器学习模型的参数,采用受试者工作特征(receiver operating characteristic, ROC)曲线评估模型的预测效能,计算曲线下面积(area under the curve, AUC)、准确度、敏感度及特异度,在验证集中对各模型进行验证。此外,除对比不同机器学习模型与影像诊断医生的诊断效能,采用校准曲线分析模型效能,并以决策曲线分析(decision curve analysis,DCA)评估临床实用性。结果 纳入的130例患者病例中,56例患者剖宫产术后证实有胎盘植入,74例患者无胎盘植入。基于纳入图像预处理的1688个组学特征,经最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)、Selectbest、REF等算法处理后,最终筛选出9个影像组学特征用于构建模型。五种分类器模型对胎盘植入的诊断效能(LR AUC=0.96;SVM AUC=0.97;RF AUC=0.99;DT AUC=0.87;KNN AUC=0.96)均高于影像诊断医生的诊断效能(AUC=0.86)。校准曲线显示DT模型的校准度最好。DCA显示阈值取0.0~0.6时,DT、RF、SVM、KNN模型的临床净获益大于LR模型。结论基于MRI T2WI图像特征的机器学习模型可以准确区分有无胎盘植入,其诊断效能明显优于医师的视觉分析;五种模型相比,DT机器学习模型在胎盘植入的诊断中具有更好的效能。
展开更多
关键词
胎盘植入性病变
机器学习
诊断效能
磁共振成像
在线阅读
下载PDF
职称材料
题名
基于磁共振图像特征机器学习构建胎盘植入诊断模型的初步研究
被引量:
4
1
作者
王颖超
黄刚
巴志霞
薛莲
黄宝生
夏东洲
机构
河西
学院
附属
张掖
人民医院
医学影像科
甘肃省
人民医院
放射科
河西学院附属张掖人民医院产科
出处
《磁共振成像》
CAS
CSCD
北大核心
2023年第8期94-99,107,共7页
基金
甘肃省教育厅高等学校创新基金项目(编号:2021B-232)
河西学院青年教师科研基金项目(编号:QN2020005)。
文摘
目的 探讨基于MRI T2WI影像组学特征的机器学习模型对胎盘植入性病变的诊断价值。材料与方法 回顾性分析130例因怀疑胎盘植入行MRI检查并后期行剖宫产的患者影像资料,依据剖宫产术后结果在MRI T2WI图像分别提取有胎盘植入改变层面和无胎盘植入层面影像组学特征。以7∶3的比例通过分层抽样的方法将数据分为训练集(n=91)和验证集(n=39),采用5种机器学习方法:logistic回归(logistic regression, LR)、支持向量机(support vector machine, SVM)、随机森林(random forest, RF)、决策树(decision tree, DT)、K近邻(K nearest neighbor, KNN)进行建模分类诊断,通过5折交叉验证确定机器学习模型的参数,采用受试者工作特征(receiver operating characteristic, ROC)曲线评估模型的预测效能,计算曲线下面积(area under the curve, AUC)、准确度、敏感度及特异度,在验证集中对各模型进行验证。此外,除对比不同机器学习模型与影像诊断医生的诊断效能,采用校准曲线分析模型效能,并以决策曲线分析(decision curve analysis,DCA)评估临床实用性。结果 纳入的130例患者病例中,56例患者剖宫产术后证实有胎盘植入,74例患者无胎盘植入。基于纳入图像预处理的1688个组学特征,经最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)、Selectbest、REF等算法处理后,最终筛选出9个影像组学特征用于构建模型。五种分类器模型对胎盘植入的诊断效能(LR AUC=0.96;SVM AUC=0.97;RF AUC=0.99;DT AUC=0.87;KNN AUC=0.96)均高于影像诊断医生的诊断效能(AUC=0.86)。校准曲线显示DT模型的校准度最好。DCA显示阈值取0.0~0.6时,DT、RF、SVM、KNN模型的临床净获益大于LR模型。结论基于MRI T2WI图像特征的机器学习模型可以准确区分有无胎盘植入,其诊断效能明显优于医师的视觉分析;五种模型相比,DT机器学习模型在胎盘植入的诊断中具有更好的效能。
关键词
胎盘植入性病变
机器学习
诊断效能
磁共振成像
Keywords
placenta accrete spectrum disorders
machine learning
diagnostic efficiency
magnetic resonance imaging
分类号
R445.2 [医药卫生—影像医学与核医学]
R714.2 [医药卫生—妇产科学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于磁共振图像特征机器学习构建胎盘植入诊断模型的初步研究
王颖超
黄刚
巴志霞
薛莲
黄宝生
夏东洲
《磁共振成像》
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部