典型文献
肺结节人工智能提软件取CT纹理征象构建决策树模型:对IA期小细胞肺癌的诊断效能研究
文献摘要：
目的:基于肺结节人工智能软件建立决策树模型,为IA期小细胞肺癌(Small-cell lung carcinoma,SCLC)与非小细胞肺癌(Non small-cell lung carcinoma,NSCLC)的鉴别诊断提供思路.方法:对109例实性肺结节患者的术前CT资料进行回顾性分析,采用肺结节人工智能软件自动提取CT纹理征象,并建立决策树模型;最后以受试者工作特征曲线(Receiver operating curve,ROC)评估决策树模型的诊断效能.结果:依据手术病理将患者分为NSCLC组(n=93)与SCLC组(n=16).与NSCLC相比,SCLC的CT最大值、CT最小值、CT平均值、CT值方差、熵更大,且偏度值更低(均P＜0.005).CT值方差(节点阈值214.045 HU)、熵(节点阈值9.105)纳入最终的决策树模型,该诊断模型的曲线下面积(Area under curve,AUC)为0.806,对应的敏感度、特异度以及准确度分别为68.8％、92.5％、89.0％.结论:基于CT纹理征象构建的决策树模型,为NSCLC与SCLC的鉴别诊断提供了准确客观、可视化的诊思路.
文献关键词：
小细胞肺癌;体层摄影术;螺旋计算机
中图分类号：
作者姓名：
郭曦;吴彦平;漆万银
作者机构：
西南医科大学附属医院放射科,四川泸州 646000;湘潭市中心医院放射科,湖南湘潭 411100
文献出处：
引用格式：
[1]郭曦;吴彦平;漆万银-.肺结节人工智能提软件取CT纹理征象构建决策树模型:对IA期小细胞肺癌的诊断效能研究)[J].中国临床医学影像杂志,2022(04):249-252
A类：
B类：
征象,构建决策,决策树模型,IA,诊断效能,效能研究,人工智能软件,立决,Small,cell,lung,carcinoma,非小细胞肺癌,Non,small,NSCLC,鉴别诊断,实性肺结节,自动提取,受试者工作特征曲线,Receiver,operating,curve,评估决策,手术病理,最小值,偏度,节点阈值,HU,诊断模型,Area,under,体层摄影术,螺旋计算机
AB值：
0.287918
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
