放射学和临床特征来区分结石相关的尿路感染:机器学习分类的全面分析
Jianjuan Lu1, Kun Zhu2, Ning Yang1
1Department of Infectious Diseases, The First Affiliated Hospital of Anhui Medical University, Hefei, China.
从CT扫描中结合放射学和临床特征,可以有效地识别结石相关的尿路感染 (KS-UTIs). 一个多层感知子 (MLP) 模型展示了KS-UTIs强大的分类性能.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
背景情况:
- 与结石相关的尿路感染 (KS-UTIs) 是一个诊断挑战.
- 计算机断层扫描 (CT) 是治疗结石的关键成像方法.
研究的目的:
- 评估放射学和临床特征在区分KS-UTIs方面的有效性.
- 开发和验证一个用于改进KS-UTI检测的组合模型.
主要方法:
- 对461名结石患者的CT扫描和临床数据进行了回顾性分析.
- 提取和选择放射学特征,然后进行机器学习模型开发 (浅层和深度学习).
- 开发单独的放射学,临床和组合模型,使用ROC曲线分析,决策曲线和校准曲线进行验证.
主要成果:
- 多层感知子 (MLP) 模型实现了高分类准确性 (放射学测试AUC为0.94,临床测试AUC为0.91).
- 综合放射学-临床模型显示出优异的性能 (测试AUC为0.95).
- 决策和校准曲线分析证实了组合模型的临床实用性和准确性.
结论:
- 结合CT扫描中的放射学和临床特征,可以有效地识别KS-UTI.
- 一个结合的MLP模型显示了准确的KS-UTI诊断的巨大潜力.
更多相关视频
09:16Supervised Machine Learning for Semi-Quantification of Extracellular DNA in Glomerulonephritis
Published on: June 18, 2020
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
相关概念视频
Urinary Tract Calculi III: Medical Management
Urinary Tract Calculi I: Introduction
Urinary Tract Calculi II: Pathophysiology and Clinical Manifestations
Urinary Tract Calculi IV: Nutrition therapy and prevention
Urinary Tract Calculi VI: Surgical Management
Urinary Tract Calculi V: Nursing Management
