从患者的第一天PAAC射线图中预测死亡率 内部医学重症监护室使用人工智能方法的PAAC射线图
Orhan Gok1, Türker Fedai Cavus1, Ahmed Cihad Genc2
1Department of Electrical and Electronics Engineering, Faculty of Engineering, Sakarya University, Sakarya 54050, Turkey.
Diagnostics (Basel, Switzerland)
|December 30, 2025
概括
机器学习模型可以使用胸部X射线预测重症监护室 (ICU) 患者的死亡率. 这些图像的放射性特征,通过像Subspace KNN这样的算法分析,显示出早期患者风险评估的高准确性.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 在重症监护室 (ICU) 预测死亡率对于资源分配和治疗规划至关重要.
- 胸部X射线图通常在ICU入院时得到.
- 早期和准确的死亡率预测可以显著影响患者管理策略.
研究的目的:
- 开发和评估机器学习模型,使用初始胸部X射线图来预测死亡率.
- 确定可预测ICU患者死亡率的关键放射性特征.
- 评估机器学习算法在死亡率预测中的性能.
主要方法:
- 对510名ICU患者的胸部X光片进行了回顾性分析.
- 数据增强以将数据集大小增加到3019个图像,用于培训/验证.
- 使用机器学习算法提取和分析74个放射性特征.
- 使用ROC曲线下的面积 (AUC),灵敏度和特异性的评估.
主要成果:
- 功能选择将最初的74个功能减少到10个.
- 亚太KNN算法实现了最高的预测准确性.
- 获得AUC为0.88,灵敏度为0.80,特异性为0.87.
结论:
- 机器学习算法和来自胸部放射图的放射性特征对于ICU死亡率预测是有效的.
- 像GLCM对比,Kurtosis和心脏巨变等特定特征是重要的预测因素.
- 将其整合到临床决策支持系统中可以提高患者管理.
更多相关视频
05:16Cutoff Value of Phase Angle by Bioelectrical Impedance Analysis at Admission as a Prognostic Factor in Patients with Acute Heart Failure
Published on: June 10, 2025
499
05:33Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System
Published on: July 11, 2025
741
