基于影像组学与机器学习对颈动脉体瘤术后并发症的预测

作者：谷学攀; 杨斌; 赵凌峰; 韩胜斌; 王琦; 冯曜宇^*

来源：中国血管外科杂志(电子版), 2022, 14(03): 237-241.

• 颈动脉体瘤
• 影像组学
• 机器学习
• 并发症
• 预测模型

目的 使用CT影像组学和机器学习建立颈动脉体瘤（carotid body tumor,CBT）术后并发症的准确预测模型。方法 收集昆明医科大学第一附属医院2017年1月至2021年10月收治的88例CBT患者信息。基于与患者术后并发症结果的相关性对CT图像上选择出的兴趣体积进行特征选择，使用支持向量机、 k最近邻、逻辑回归、决策树、随机森林和极端梯度提升（eXtreme gradient boosting,XGBoost）等6种分类器利用5折交叉验证法建立并评估CBT术后并发症的预测模型。结果 6种模型都能对CBT术后的预后进行较准确的预测，其中XGBoost模型具有最佳的预测性能，其准确率、精确度、召回率、F1分数和曲线下面积分别为97.7%、100%、92.5%、95.8%和0.728。结论 利用影像组学和机器学习可建立CBT术后并发症的预测模型，其中XGBoost模型的精度最佳。

• 单位
  昆明医科大学第一附属医院