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138 | 下载31

目的:评估基于极端梯度上升(XGBoost)算法的联合诊断模型对胃神经内分泌肿瘤(NENs)病理分级的诊断效能。方法:以郑州大学第一附属manbet官网登录 2012年8月至2019年12月收治的81例胃NENs患者为对象,收集其临床资料和CT影像学资料。分析CT影像的病灶个数、肿瘤部位、形态、淋巴结转移状态、肿瘤最厚径、最长径和动静脉期CT值等特征;采用ITK-SNAP软件和Python 2.1.0 Pyradiomics软件对CT影像进行影像组学分析预处理并从分割图像中提取组学特征;采用XGboost算法分别建立CT影像模型、动脉期组学模型、静脉期组学模型和联合诊断模型;采用准确度、均方误差(MSE)和平均绝对误差(MAE)评价以上模型的诊断性能。结果:NENs患者年龄为28.0~78.0(58.6±10.7)岁,其中男性56例,占69.1

作者:王睿;梁盼;余娟;韩懿静;高剑波

来源:中华医学杂志 2021 年 101卷 34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:138 | 下载:31
作者:
王睿;梁盼;余娟;韩懿静;高剑波
来源:
中华医学杂志 2021 年 101卷 34期
标签:
病理学 神经内分泌肿瘤 诊断试验 XGboost模型 Pathology Neuroendocrine neoplasms Diagnostic tests XGBoost model
目的:评估基于极端梯度上升(XGBoost)算法的联合诊断模型对胃神经内分泌肿瘤(NENs)病理分级的诊断效能。方法:以郑州大学第一附属manbet官网登录 2012年8月至2019年12月收治的81例胃NENs患者为对象,收集其临床资料和CT影像学资料。分析CT影像的病灶个数、肿瘤部位、形态、淋巴结转移状态、肿瘤最厚径、最长径和动静脉期CT值等特征;采用ITK-SNAP软件和Python 2.1.0 Pyradiomics软件对CT影像进行影像组学分析预处理并从分割图像中提取组学特征;采用XGboost算法分别建立CT影像模型、动脉期组学模型、静脉期组学模型和联合诊断模型;采用准确度、均方误差(MSE)和平均绝对误差(MAE)评价以上模型的诊断性能。结果:NENs患者年龄为28.0~78.0(58.6±10.7)岁,其中男性56例,占69.1