| 邓鸿，郭世尧，冯文，李文雪，肖波，何汶静.基于深度学习的早期急性胰腺炎严重程度分级预测[J].放射学实践,2025,(03):369-376 |
| 基于深度学习的早期急性胰腺炎严重程度分级预测 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2025.03.013 |
| 中文关键词: 急性胰腺炎 深度学习 体层摄影术，X线计算机 |
| 基金项目:国家自然科学基金专项项目（62341501）；南充市市校科技战略合作项目（22SXQT0323）；南充市市校科技战略合作项目（22SXQT0325） |
|
| 摘要点击次数: 230 |
| 全文下载次数: 261 |
| 中文摘要: |
| 【摘要】目的：建立基于急性胰腺炎（AP）患者早期静脉期增强CT图像对AP进行严重程度分类预测的深度学习（DL）模型。方法：回顾性分析川北医学院附属医院收治的215例首发AP患者静脉期增强CT资料，按照采集时间的先后，将数据影像资料划分为训练和验证集（141例，其中男87例，女54例；平均年龄51.37±16.09岁）以及测试集（74例，其中男41例，女33例；平均年龄55.49±17.83岁），利用卷积神经网络建立早期AP分类器模型，使用5折交叉验证策略训练验证模型效能。以受试者操作特征（ROC）曲线下面积（AUC）、准确率、敏感度、特异度、F1分数来评估模型的预测效能。结果：早期AP分类器模型表现出良好的预测效能，在训练集、验证集中的AUC分别为1.000、1.000，在测试集中的AUC为0.806、敏感度为0.850、特异度为0.675、F1分数为0.730、准确率为0.770。结论：基于静脉期增强CT图像的深度学习分类模型预测AP重症患者的效果良好，可以为AP的临床诊断预测提供辅助性决策。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
