基于白光图像的手术内副甲状腺识别预测模型和关键特征分析
Zufei Li1, Xiaoming Cao2, Junwei Huang1
1Department of Otorhinolaryngology Head and Neck Surgery, Beijing Tongren Hospital, Capital Medical University, Beijing, China.
Gland surgery
|April 21, 2025
概括
这项研究引入了一种新的,具有成本效益的方法,使用白光成像和机器学习在甲状腺手术期间识别副甲状腺腺,提高患者的安全.
科学领域:
- 手术瘤学手术瘤学
- 医学成像医学成像
- 机器学习在医疗保健中的应用
背景情况:
- 在甲状腺手术期间,准确识别副甲状腺是非常重要的,以防止并发症.
- 现有的方法可能缺乏方便性,效率或成本效益.
研究的目的:
- 开发一种经济高效的方法,用于在手术期间识别副甲状腺腺.
- 为了利用白光图像中的微妙纹理特征来检测腺体.
主要方法:
- 收集了117张甲状腺和169张非甲状腺组织图像.
- 使用PyRadiomics提取的纹理特征和使用LASSO选择的关键特征.
- 使用机器学习算法开发了一个预测模型,包括随机森林 (RF).
- 用SHapley添加式扩展 (SHAP) 分析的特征重要性.
主要成果:
- 通过使用白光纹理特征成功建立了副甲状腺预测模型.
- 随机森林模型实现了89.6%的准确度,85.7%的特异性和91.8%的灵敏度.
- 在ROC曲线下的面积为77.5%,表明了良好的预测性能.
- SHAP分析确定了对模型预测有贡献的关键纹理特征.
结论:
- 这项研究提出了第一个经过验证,方便和经济的外科手术前甲状腺腺体识别模型.
- 开发的模型显示了在甲状腺手术中临床应用的巨大潜力.
- 使用白光图像的纹理分析为附甲状腺局部化提供了一个有希望的方法.
