相关实验视频
Updated: Jun 11, 2025
08:09
Vessel-sparing Excision and Primary Anastomosis
Published on: January 7, 2019
11.4K
利用人工神经网络系统预测内镜后的后部尿道切除后的残留
Mehdi Shirazi1, Zahra Jahanabadi2, Faisal Ahmed3
1Department of Urology, School of Medicine; Histomorphometry and Stereology Research Center, Shiraz University of Medical Sciences, Shiraz. shirazim@sums.ac.ir.
概括
人工神经网络 (ANN) 准确地预测了在患有后尿道 (PUV) 的儿童内镜切除后的残留. 这种人工智能工具有助于识别需要重复切除的患者,改善结果.
科学领域:
- 人工智能在医学中的应用
- 儿科泌尿外科 儿科泌尿外科
- 手术结果研究研究.
背景情况:
- 后尿道 (PUV) 是男性婴儿膀出口阻塞的常见原因.
- 内镜切除是标准的治疗方法,但会出现需要重新切除的残留.
- 预测需要重复切除的需要对于优化患者管理至关重要.
研究的目的:
- 开发和验证人工神经网络 (ANN) 系统,用于估计内镜切除后的残留率.
- 将ANN预测与传统分析进行比较,以预测重复废除的准确性.
主要方法:
- 对144名患有PUV的儿童进行了回顾性研究,这些儿童接受了内镜式膜切除.
- 使用 MATLAB 软件设计和训练了一个前向反向传播 ANN.
- 来自101名患者 (训练组) 和33名患者 (测试组) 的术前和术后数据被用于训练和验证ANN的预测能力.
主要成果:
- 在预测残留门方面,ANN表现出高准确度 (90.75%),灵敏度 (92.73%) 和特异性 (73.19%).
- 由ANN确定的关键预测因素包括手术时年轻的年龄,关膜回声性,以及膀管外流 (VUR) 的存在/程度.
结论:
- 该ANN作为一个有效的数据收集工具,用于分析变量之间的复杂关系.
- 该研究得出的结论是,在内镜切除后患有PUV的儿科患者中,ANNs对于预测结果,特别是重复切除的需要是有价值的.
