| 周婷婷，肖波，何汶静，刘琴，赵艳梅，蒋宪，安富珍.基于CT平扫影像组学及实验室指标早期预测急性胰腺炎严重程度[J].放射学实践,2025,(04):493-500 |
| 基于CT平扫影像组学及实验室指标早期预测急性胰腺炎严重程度 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2025.04.011 |
| 中文关键词: 急性胰腺炎 影像组学 体层摄影术，X线计算机 机器学习 |
| 基金项目:南充市市校合作科研专项基金资助项目（20SXQT0315）；四川省自然科学基金面上项目（2023NSFSC0646）；专利：一种基于机器学习方法的重症胰腺炎预测模型构建方法（专利号：ZL-2021-1-1484319.2）；计算机软件著作权：滤波图像查看软件（LBTXCKRJ） V1.0（登记号：2023SR1809439） |
|
| 摘要点击次数: 359 |
| 全文下载次数: 420 |
| 中文摘要: |
| 【摘要】目的：探讨基于CT平扫影像组学特征及实验室指标构建的机器学习模型早期预测急性胰腺炎严重程度的价值。方法：回顾性将2016年6月－2024年1月三个医疗中心共363例临床首发诊断为AP的住院患者纳入本研究，按入院时间先后顺序划分为训练集（n=164）、内部测试集（n=70）、外部测试集1（n=72）和外部测试集2（n=57）。搜集每例患者发作48h内首次CT平扫影像和临床资料，手动勾画胰腺实质和胰周渗出区域并提取影像组学特征。基于自主开发的特征筛选算法筛选影像组学特征和实验室指标，采用逻辑回归算法建立影像组学模型、实验室指标模型以及影像组学和实验室指标的联合模型。通过十折交叉验证对模型进行训练，采用内部和外部测试集分别对各模型进行测试，基于联合模型绘制列线图。采用受试者工作特征曲线下面积（AUC）、符合率、敏感度、特异度、F1评分和平衡准确度来评估模型的预测性能。结果：影像组学模型、实验室指标模型及临床-组学联合模型在内部测试集中的AUC分别为0.920、0.840和0.946，在两个外部测试集中的AUC分别为0.883、0.879、0.917和0.832、0.816、0.878。结论：基于6个CT平扫影像组学特征和3个实验室指标的联合模型相较单一模型预测性能更好。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
