开发和验证一种深度学习超声波放射学模型,用于预测淋巴结结结核病的耐药性
Xu Zhang1, Zhijian Dong2, Hongming Li3
1Department of Ultrasonography, Hangzhou Red Cross Hospital, Hangzhou, Zhejiang, China.
International journal of surgery (London, England)
|July 3, 2025
概括
这项研究开发了一种集体机器学习超声波放射学模型,用于预测淋巴结结核病 (LNTB) 的耐药性. 该模型在验证中显示出高准确性,为患者治疗提供了新的见解.
科学领域:
- 医疗成像医学成像
- 机器学习 机器学习
- 结核病研究 结核病研究
背景情况:
- 淋巴结结核病 (LNTB) 提出了诊断挑战,特别是在药物耐药性方面.
- 准确预测耐药性对于有效的LNTB患者管理和治疗策略至关重要.
研究的目的:
- 开发和验证一个集体机器学习 (ML) 模型,使用超声波放射学来预测LNTB的耐药性.
- 通过使用独立的外部验证数据集来评估模型的诊断效果.
主要方法:
- 从多中心研究中对234名LNTB患者进行了回顾性分析.
- 使用基于L1的方法从超声波图像中提取和选择放射性特征.
- 开发一个AdaBoost整体ML模型用于药物耐药性预测,在培训,内部和外部测试集上进行验证.
主要成果:
- 从851个提取的特征中选择了161个放射性特征.
- 该模型实现了高AUC值:0.998 (培训),0.798 (内部验证),0.846 (外部测试A) 和0.831 (外部测试B).
- 决策曲线分析表明在特定的值概率范围内具有实质性的临床效用.
结论:
- 开发的LNTB耐药性预测模型在内部和外部验证中表现出高的诊断性能.
- 超声波放射学与整体ML相结合,为LNTB药物耐药性机制提供了新的见解.
- 这种方法有可能指导在LNTB中更有效的患者治疗策略.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
201
