术前CT成像和机器学习模型用于预测尿管接入置部位成功的尿管结石患者:一个回顾性队列研究
Xipeng Wu1,2, Cheng Chen1, Wenda Zou3
1Zhuzhou Clinical College, Jishou University, ZhuZhou, People's Republic of China.
下尿管与体轴 (β) 之间的角度是尿管接入 (UAS) 在柔性尿管透镜石中成功放置的关键预测因素. 集成3DCT成像的机器学习模型可以预测UAS安置结果.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 尿道接入 (UAS) 的位置对于灵活的尿道透视力索 (FURS) 非常重要.
- 在手术前预测UAS安置成功可以优化手术规划和患者的结果.
- 尿道的解剖学变化可能会影响UAS安置的成功.
研究的目的:
- 开发和评估UAS安置成功的预测模型,使用手术前基于CT的3D尿道成像和机器学习.
- 调查尿管解剖角度对UAS安置成功的影响.
- 将尿路角与机器学习模型集成为手术前风险分层.
主要方法:
- 对302名没有手术前尿路支架的FURS患者的回顾性分析.
- 从手术前的CT扫描中,下尿道的3D重建以测量关键解剖角度 (α,β).
- 开发和评估八个机器学习模型,并对变量重要性进行SHAP分析.
主要成果:
- 无人驾驶飞行器安置成功率为71.19%.
- α和β都与UAS安置成功有显著的关联 (p <0.05).
- β被确定为一个独立的预测因素 (OR=0.95,p=0.024),当β超过40°时,故障风险急剧增加.
结论:
- β角是影响无人机安置成功的关键独立因素.
- 整合3DCT测量和机器学习使无人机安置的定量风险评估成为可能.
- 这种预测方法在FURS中具有重要的潜力,用于术前规划和个性化外科决策.
相关概念视频
14:05A Murine Model of Irreversible and Reversible Unilateral Ureteric Obstruction
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
06:37An Immature Murine Model of Reversible Unilateral Ureteral Obstruction
04:37Unilateral Ureteral Obstruction Model for Investigating Kidney Interstitial Fibrosis
06:19Constructing and Visualizing Models using Mime-based Machine-learning Framework
05:34A Mouse Model to Evaluate the Long-Term Structural and Functional Outcomes after the Reversal of Prolonged Unilateral Ureteric Obstruction


