相关实验视频
Updated: Jun 10, 2025

13:53
The Helsinki Rat Microsurgical Sidewall Aneurysm Model
Published on: October 12, 2014
12.2K
人工智能应用于开发内动脉瘤预测稳定性模型
Junmin Tao1,2, Wei Wei2,3, Meiying Song1
1Department of Epidemiology, School of Public Health, Dalian Medical University, No. 9, West Section of Lvshun South Road, Lvshunkou District, Dalian, Liaoning Province, China.
European journal of medical research
|October 18, 2024
概括
机器学习模型准确地预测了内动脉瘤 (IA) 破裂风险. 年龄,白细胞计数 (WBC) 和尿酸 (UA) 是IA稳定的关键预测因素.
科学领域:
- 神经外科 神经外科
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 内动脉瘤 (IAs) 具有明显的破裂风险.
- 预测IA破裂对于及时干预和患者管理至关重要.
研究的目的:
- 开发和评估用于预测早期内动脉瘤破裂风险的机器学习模型.
- 在AI稳定性预测中比较不同人工智能模型的性能.
主要方法:
- 收集了989名IA患者 (CT血管造影) 的数据,包括临床,血液和形态参数.
- 定义的IA不稳定性是破裂或生长≥0.5mm在1个月内.
- 开发并验证了随机森林 (RF),支持矢量机 (SVM) 和人工神经网络 (ANN) 模型.
主要成果:
- 射频模型在测试组中实现了0.734-0.809的AUC.
- SVM模型显示性能可变,测试组AUC在0.699-0.806.6之间.
- 在ANN模型中,测试组的AUC范围为0.680-0.860.
- 年龄,白细胞计数 (WBC) 和尿酸 (UA) 被确定为IA稳定性的显著预测因素.
结论:
- 基于AI的AI稳定性预测模型显示出良好的临床适用性.
- 年龄,WBC和UA是评估IA稳定性风险的重要预测因素.

