基于CT放射学特征的机器学习模型用于区分患有恶性瘤的患者的良性和恶性脊椎压缩骨折
Yuan Wan1, Lei Miao2, HuanHuan Zhang3
1Department of Radiology, Dongzhimen Hospital, Beijing University of Chinese Medicine, Beijing, PR China.
Acta radiologica (Stockholm, Sweden : 1987)
|October 1, 2024
概括
使用CT放射学的机器学习模型有效地区分癌症患者的良性和恶性脊椎压缩骨折 (VCF). 支持矢量机 (SVM) 模型在这个诊断任务中表现出卓越的性能.
科学领域:
- 医疗成像医学成像
- 在瘤学瘤学.
- 放射学 放射学是一门学科.
背景情况:
- 放射学对于区分良性和恶性脊椎压缩骨折 (VCF) 是至关重要的.
- 从临床上来说,区分良性和恶性VCF是有意义的,特别是在患有潜在恶性瘤的患者中.
研究的目的:
- 评估使用CT放射学特征的多个机器学习 (ML) 模型的有效性.
- 为了区分良性和恶性VCF,特别是在被诊断患有恶性瘤的患者中.
主要方法:
- 从78名患有恶性瘤的患者中对140个VCF病变 (86种良性,54种恶性) 的回顾性分析.
- 患者被分为训练 (n=98) 和验证 (n=42) 组.
- 放射学特征被选,测量,并用于构建ML模型,通过ROC曲线评估性能.
主要成果:
- 五个放射学特征被纳入模型中.
- 所有ML模型都表现出良好的诊断效率.
- 支持矢量机器 (SVM) 模型表现出优异的性能,AUC为0.908 (培训) 和0.911 (验证).
结论:
- 基于CT放射学特征的ML模型对于在患有恶性瘤的患者中区分良性和恶性VCF有价值.
- 在评估的ML方法中,SVM模型显示出最佳性能.
