基于深度学习算法的增强CT检查后对比剂肾病预测模型研究

作者：赵凯; 吴静云; 张保翠; 罗健; 张晓东^*; 王霄英

来源：放射学实践, 2023, 38(06): 720-725.

DOI：10.13609/j.cnki.1000-0313.2023.06.009

• 深度学习
• 人工智能
• 体层摄影术,X线计算机
• 肾病
• 危险因素

目的:利用深度学习算法对增强CT检查后发生对比剂肾病(CIN)的风险因素进行分析，并构建CIN的预测模型。方法:从RIS系统中回顾性搜集增强CT检查并建立CIN数据库。检索数据库资料，导出基本信息、基础病史、对比剂注射信息共计18项指标，对患者资料进行筛选、预处理后，建立二分类模型研究队列。经数据处理后利用深度学习方法在整理好的CIN数据集上进行开发和训练。结果:CIN二分类模型对测试集数据预测结果显示CIN阴性分类的精确度、召回率和F1-分数分别为0.982、0.752和0.852,CIN阳性分类的精确度、召回率和F1-分数分别为0.229、0.842和0.359。该模型ROC曲线下面积均为0.89。结论:本研究使用深度学习算法构建了CIN的预测模型，模型对CIN阳性的患者有较高敏感性，但是特异性有待提高。

• 单位
  北京大学第一医院