预测尿路结石ESWL的成功:基于放射学的机器学习方法
Ran Yang1, Dan Zhao1, Chunxue Ye1
1Department of Radiology, Chongqing Western Hospital, No. 301, Huafu Avenue North, Jiulongpo District, Chongqing, 400050, China.
这项研究开发了一种机器学习模型,整合了放射学和放射学特征,以预测尿道结石的体外冲击波石 (ESWL) 成功,帮助临床决策.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 身体外冲击波石 (ESWL) 是尿道结石的常见治疗方法.
- 预测单次ESWL的成功对于最佳的患者管理至关重要.
- 整合先进的成像功能可能会改善治疗结果的预测.
研究的目的:
- 开发和验证一种机器学习 (ML) 模型,用于预测单次ESWL成功.
- 整合放射性和常规放射性特征,以提高预测准确度.
- 帮助临床医生做出明智的治疗结石治疗决策.
主要方法:
- 这是一项对329名接受ESWL治疗的患者的回顾性研究.
- 使用放射性和临床特征开发ML模型 (包括后勤回归).
- 使用精度,AUC和SHAP分析验证模型性能.
主要成果:
- 后勤回归 (LR) 模型实现了0.888.8的AUC.
- 关键预测因素包括尿路直径接近石头,石头到皮肤的距离和脏骨盆宽度.
- 放射性评分和尿管直径接近石头是最有影响力的特征.
结论:
- 整合放射学和常规特征的ML模型有效地预测了单个会话ESWL的成功.
- 这种预测模型可以帮助临床医生规划尿管结石的治疗.
- 开发的方法提高了ESWL结果预测的准确性.
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
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
相关概念视频
Urinary Tract Calculi VI: Surgical Management
Urinary Tract Calculi III: Medical Management
Imaging Studies II: Ultrasonography
Imaging Studies V: Intravenous Urography and Retrograde Pyelography
Urinary Tract Calculi V: Nursing Management
Imaging Studies I: Kidney, Ureter, and Bladder Studies
