典型文献
基于生化指标与CT灌注参数的机器学习模型在早期预测重症急性胰腺炎发生中的临床价值
文献摘要：
目的:基于生化指标和CT灌注参数,探究机器学习方法早期预测重症急性胰腺炎(AP)发生的临床价值.方法:收集本院与德阳市人民医院临床确诊AP的初诊患者121例.依据病情严重程度,分为非重症组(包括35例轻症与36例中重症)和重症组(50例重症);再按数据类型(生化指标、灌注数据以及包含生化指标和CT灌注参数的联合数据)分别进行机器学习处理.结果:生化指标模型测试集准确率及曲线下面积(AUC)值分别为0.741±0.010、0.749±0.019;灌注数据模型测试集准确率及AUC值分别为0.627±0.010、0.622±0.028;联合数据模型测试集准确率及AUC值分别为0.751±0.009、0.796±0.021.统计学验证灌注数据构建的模型的AUC值与其余2个队列均有显著差异(P＜0.05),联合数据构建模型AUC值与生化指标模型AUC值无显著差异(P＞0.05).结论:本研究基于各类型数据构建的所有模型均能在疾病早期实现对重症急性胰腺炎发生的预测,且基于联合数据与生化指标构建的模型整体较灌注数据模型表现出更高的预测价值.
文献关键词：
急性胰腺炎;预测;机器学习;CT灌注成像
中图分类号：
作者姓名：
苏灿;黄小华;祝元仲;明兵;方杰;陈钰莹;刘念
作者机构：
川北医学院附属医院放射科;川北医学院医学影像学院;德阳市人民医院放射科
文献出处：
引用格式：
[1]苏灿;黄小华;祝元仲;明兵;方杰;陈钰莹;刘念-.基于生化指标与CT灌注参数的机器学习模型在早期预测重症急性胰腺炎发生中的临床价值)[J].中国医学计算机成像杂志,2022(05):497-504
A类：
B类：
灌注参数,机器学习模型,早期预测,重症急性胰腺炎,临床价值,机器学习方法,AP,本院,德阳市,医院临床,初诊患者,病情严重程度,非重症,轻症,中重症,数据类型,指标模型,模型测试,测试集,数据模型,构建模型,指标构建,预测价值,灌注成像
AB值：
0.250762
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。
