论文摘要
目的建立机器学习方法诊断肝纤维化进程的自动分类模型,并将其与超声弹性成像联合,研究两种方法评估肝纤维化进程的诊断价值。方法腹腔注射硫代乙酰胺建立99只肝纤维化大鼠实验模型。于成模不同时期对每只大鼠分别进行超声灰阶与弹性成像,以病理诊断为"金标准",建立基于灰阶图像的机器学习诊断肝纤维化自动分类模型;并将其与弹性成像联合。采用受试者工作特性曲线分析两种方法的诊断价值。结果机器学习方法和联合诊断方法在二分类:诊断轻度肝纤维化、显著肝纤维化、严重肝纤维化和肝硬化的受试者工作特性曲线下面积分别为0.942与0.952、0.944与0.964、0.875与0.908、0.893与0.918,对应的灵敏度分别为91.3%与88.2%、91.9%与85.7%、88.5%与85.7%、87.5%与90.9%,特异度分别为81.8%与95.2%、90.1%与94.4%、78.0%与85.7%、89.7%与70.0%。结论计算机辅助超声影像组学预测肝纤维化进程具有较高的诊断价值。
论文目录
文章来源
类型: 期刊论文
作者: 付甜甜,蒋卓韵,丁红,朱宇莉,陈伶俐,王文平,余锦华
关键词: 肝纤维化,动物模型,机器学习,超声,诊断
来源: 中国超声医学杂志 2019年12期
年度: 2019
分类: 医药卫生科技
专业: 临床医学,消化系统疾病
单位: 复旦大学附属中山医院超声科,复旦大学电子工程系,复旦大学附属中山医院病理科
基金: 国家自然科学基金项目（No.81571675,81873897,61471125)
分类号: R445.1;R575.2
页码: 1131-1133
总页数: 3
文件大小: 124K
下载量: 232