典型文献
基于AI算法的磁共振检查预约准时与迟到预测的可行性研究及其临床应用
文献摘要：
目的 探究以人工智能算法为基础建立磁共振检查预约迟到预测模型,对磁共振检查预约患者做出准时与迟到预测的可行性.方法 回顾性从放射科信息系统收集2018年1月1日—12月31日连续的已完成磁共振检查的患者预约信息共9087例,经过数据清洗后分为准时组(患者到达时间早于患者预约时间,n=8265),和迟到组(患者到达时间晚于患者预约时间,n=822).使用XGBoost(Extreme Gradient Boosting)算法作为分类预测模型的基础架构,并结合梯度提升算法中的特征重要性分数生成特征重要性排序列表,训练二分类模型.数据随机分为训练集(70％)和测试集(30％).以测试集的预测结果检测磁共振检查预约迟到分类预测模型的效能.结果 在测试集中,准时者2488例,迟到者239例,磁共振检查预约迟到模型预测准时与迟到的精确度分别为0.994和0.941,召回率分别为0.994和0.933,F1-分数分别为0.994和0.937,ROC曲线下面积均为0.99.结论 使用基于XGBoost算法分类模型可对磁共振检查预约做出准时与迟到的预测,为实际临床工作中进一步根据检查项目、检查人数等智能化地分配医学影像科的设备资源、人力资源,以提供更加高效优质的影像检查服务提供了可能.
文献关键词：
人工智能;放射科信息系统;磁共振检查预约;准时与迟到;预测
中图分类号：
作者姓名：
任昕;刘水;张晓东;王霄英
作者机构：
北京大学第一医院医学影像科,北京 100034
文献出处：
引用格式：
[1]任昕;刘水;张晓东;王霄英-.基于AI算法的磁共振检查预约准时与迟到预测的可行性研究及其临床应用)[J].中国医疗设备,2022(12):44-48
A类：
磁共振检查预约,准时与迟到,迟到者
B类：
可行性研究,人工智能算法,放射科信息系统,统收,数据清洗,洗后,到达时间,早于,XGBoost,Extreme,Gradient,Boosting,分类预测模型,基础架构,梯度提升算法,特征重要性,重要性排序,序列表,二分类模型,训练集,测试集,召回率,算法分类,临床工作,检查项目,医学影像科,影像检查,服务提供
AB值：
0.189429
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。
