您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览225 | 下载0

目的:探讨结合患者临床信息和CT特征构建的基于机器学习的非参数诊断模型判定多发肺结节中实性结节性质的效力。方法:回顾性收集北京大学人民manbet官网登录 2010年1月至2018年12月收治的287例多发肺结节患者切除的446个实性结节的病例资料。患者男性117例,女性170例,年龄(61.4±9.9)岁(范围:33~84岁)。将结节按4∶1的比例随机分为训练集(228例,357个结节)和测试集(59例,89个结节),对比不同机器学习算法并选用最优的极致梯度提升(XGBoost)算法建立预测模型(PKU-ML模型)。在测试集上验证该模型准确性,并与其他模型进行比较。最后使用独立的单发实性结节数据集[155例,男性95例,年龄(62.3±8.3)岁(范围:37~77岁)]验证模型预测单发实性结节性质的准确性。采用受试者工作特征曲线的曲线下面积评估模型诊断效力。结果:PKU-ML模型在训练集中的曲线下面积为0.883(95

作者:张凯;魏子涵;王新;陈克终

来源:中华外科杂志 2022 年 60卷 6期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:225 | 下载:0
作者:
张凯;魏子涵;王新;陈克终
来源:
中华外科杂志 2022 年 60卷 6期
标签:
肺肿瘤 诊断,计算机辅助 机器学习 Lung neoplasms Diagnosis, computer-assisted Machine learning
目的:探讨结合患者临床信息和CT特征构建的基于机器学习的非参数诊断模型判定多发肺结节中实性结节性质的效力。方法:回顾性收集北京大学人民manbet官网登录 2010年1月至2018年12月收治的287例多发肺结节患者切除的446个实性结节的病例资料。患者男性117例,女性170例,年龄(61.4±9.9)岁(范围:33~84岁)。将结节按4∶1的比例随机分为训练集(228例,357个结节)和测试集(59例,89个结节),对比不同机器学习算法并选用最优的极致梯度提升(XGBoost)算法建立预测模型(PKU-ML模型)。在测试集上验证该模型准确性,并与其他模型进行比较。最后使用独立的单发实性结节数据集[155例,男性95例,年龄(62.3±8.3)岁(范围:37~77岁)]验证模型预测单发实性结节性质的准确性。采用受试者工作特征曲线的曲线下面积评估模型诊断效力。结果:PKU-ML模型在训练集中的曲线下面积为0.883(95