| 赵凯，吴静云，张保翠，罗健，张晓东，王霄英.基于深度学习算法的增强CT检查后对比剂肾病预测模型研究[J].放射学实践,2023,(06):720-725 |
| 基于深度学习算法的增强CT检查后对比剂肾病预测模型研究 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2023.06.009 |
| 中文关键词: 深度学习 人工智能 体层摄影术，X线计算机 肾病 危险因素 |
| 基金项目: |
|
| 摘要点击次数: 870 |
| 全文下载次数: 1091 |
| 中文摘要: |
| 【摘要】目的：利用深度学习算法对增强CT检查后发生对比剂肾病（CIN）的风险因素进行分析，并构建CIN的预测模型。方法：从RIS系统中回顾性搜集增强CT检查并建立CIN数据库。检索数据库资料，导出基本信息、基础病史、对比剂注射信息共计18项指标，对患者资料进行筛选、预处理后，建立二分类模型研究队列。经数据处理后利用深度学习方法在整理好的CIN数据集上进行开发和训练。结果：CIN二分类模型对测试集数据预测结果显示CIN阴性分类的精确度、召回率和F1-分数分别为0.982、0.752和0.852，CIN阳性分类的精确度、召回率和F1-分数分别为0.229、0.842和0.359。该模型ROC曲线下面积均为0.89。结论：本研究使用深度学习算法构建了CIN的预测模型，模型对CIN阳性的患者有较高敏感性，但是特异性有待提高。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
