基于图像的随机森林分类器的开发,用于预测腹腔镜西格切除术的手术持续时间

科学领域:

• 结肠直肠外科手术是什么意思
• 手术瘤学手术瘤学
• 医学成像医学成像

背景情况:

• 西格分炎造成了重大的社会经济负担,导致频繁的左侧结肠切除.
• 准确预测外科手术时间对于有效的患者护理和医疗资源优化至关重要.
• laparoscopic sigmoid切除是一个常见的程序,用于分泌管疾病.

研究的目的:

• 开发一个预测模型来估计腹腔镜西格切除术的手术持续时间.
• 为了利用手术前CT扫描生物识别和人口统计患者数据进行预测.
• 为了提高内脏外科手术手术安排的准确性.

主要方法:

• 一个单中心的回顾性队列研究,85名患者接受了腹腔镜西格切除.
• 从手术前CT成像中测量解剖学参数.
• 在CT成像,年龄和性别上训练一个随机森林分类器,以预测手术持续时间,使用AUROC进行评估.

主要成果:

• 随机森林模型实现了平均AUROC的0.78.
• 它对长 (AUROC=0.89) 和短 (AUROC=0.81) 程序表现出强大的预测能力.
• 随机森林模型显著优于多类后勤回归模型 (平均AUROC=0.33).

结论:

• 一个随机森林分类器有效地预测了腹腔镜西格切除术的程序持续时间异常值.
• 这种基于人口统计和CT数据的预测模型显示了改善外科手术安排的潜力.
• 建议在多中心研究中进一步验证,有可能在内脏手术中得到更广泛的应用.