期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于CT特征和机器学习的鸟-胞内分枝杆菌复合群肺病和初治肺结核鉴别诊断模型的构建与验证
1
作者 张嘉诚 黄婷婷 +5 位作者 何旭 韩鼎盛 许倩 时付坤 侯代伦 张岚 《中国医学影像学杂志》 CSCD 北大核心 2024年第10期1007-1013,1039,共8页
目的基于胸部CT特征和机器学习构建并验证鸟-胞内分枝杆菌复合群肺病与肺结核的鉴别诊断模型。资料与方法回顾性收集2021年5月—2022年8月于首都医科大学附属北京市胸科医院确诊为鸟-胞内分枝杆菌复合群肺病及肺结核患者作为训练集,并... 目的基于胸部CT特征和机器学习构建并验证鸟-胞内分枝杆菌复合群肺病与肺结核的鉴别诊断模型。资料与方法回顾性收集2021年5月—2022年8月于首都医科大学附属北京市胸科医院确诊为鸟-胞内分枝杆菌复合群肺病及肺结核患者作为训练集,并前瞻性收集2022年9月—2023年5月河南中医药大学第一附属医院患者作为外部验证集。分析患者临床资料及影像学征象,分别采用逻辑回归、随机森林和支持向量机方法建立模型,并在验证集中进行外部验证。使用受试者工作特征曲线和精确率-召回率曲线评估模型的诊断效能,比较各模型曲线下面积的差异。结果两组患者年龄和咯血率差异有统计学意义(t=30.414,P<0.001;χ^(2)=6.186,P=0.013)。两组空洞类型和形态差异有统计学意义(χ^(2)=6.546,P=0.011;χ^(2)=24.113,P<0.001),空洞病灶分布和特征差异无统计学意义(P>0.05)。两组支气管扩张类型和分布差异有统计学意义(χ^(2)=4.634,P=0.031;χ^(2)=23.113,P<0.001)。3种机器学习模型中,支持向量机模型较逻辑回归、随机森林模型的鉴别诊断效能更好,训练集和验证集中,受试者工作特征曲线下面积、敏感度、特异度、准确度、阳性预测值和阴性预测值分别为0.960、0.857、0.936、0.905、0.933、0.880和0.885、0.767、0.800、0.783、0.793、0.774。精确率-召回率曲线显示支持向量机模型的精确率高且召回率低,即模型的性能良好。结论基于临床特征和CT征象构建的机器学习模型具有较高的诊断效能,有助于提高鸟-胞内分枝杆菌复合群肺病和肺结核的鉴别诊断。 展开更多
关键词 鸟复合分枝杆菌 结核 体层摄影术 X线计算机 机器学习 诊断 鉴别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部