相关实验视频
Updated: Jul 16, 2025
07:17
An Orthotopic Resectional Mouse Model of Pancreatic Cancer
Published on: September 24, 2020
10.7K
一个基于CT的诺基图,用于区分胃肠异型胰腺与胃肠层瘤:与机器学习模型进行比较
Na Feng1, Hai-Yan Chen2, Xiao-Jie Wang1
1Department of Radiology, The Second Affiliated Hospital, Zhejiang University School of Medicine, Jiefang Road 88#, 310009, Hangzhou, China.
BMC medical imaging
|September 15, 2023
概括
一个使用CT特征的新型诺米图准确地区分了胃肠异型胰腺 (HP) 和胃肠瘤 (GIST),在临床有用性方面超过了机器学习模型.
科学领域:
- 胃肠道放射学 胃肠道放射学
- 瘤成像 - - 癌症成像
- 诊断建模的诊断模型.
背景情况:
- 区分胃肠异型胰腺 (HP) 和胃肠瘤 (GIST) 对于适当的患者管理至关重要.
- 计算机断层扫描 (CT) 功能可以帮助实现这种差异化,但需要标准化的预测模型.
研究的目的:
- 确定CT成像中的关键特征,以区分HP与GIST.
- 开发和比较基于CT的名录图与机器学习 (RandomForest) 模型来诊断这些情况.
主要方法:
- 对148名病理确认HP (n=48) 或GIST (n=100) 的患者进行了回顾性分析.
- 使用拉索和逻辑回归构建了一个名图,而RandomForest模型使用了显著的单变量变量.
- 用ROC曲线,AUC,校准曲线和决策曲线分析 (DCA) 来评估诊断性能.
主要成果:
- 纳米图包括年龄,位置,LD/SD比,管状结构和HU病变/胰腺A.
- 诺米图实现了0.951的AUC,而随机森林模型达到0.894.89的AUC.
- 虽然诊断性能相似 (p>0.05),但名图显示出每DCA的卓越临床实用性.
结论:
- 无论是名ogram还是RandomForest模型都是区分HP与GIST的可靠工具.
- 基于CT的名图显示了在区分这些实体方面改善临床决策的潜力.
