基于机器学习的高强度聚焦超声消融子宫肌瘤剂量预测模型研究

作者：胡文昊; 文银刚; 徐凡; 唐英; 杜永洪^*

来源：中国超声医学杂志, 2023, 39(11): 1280-1283.

• 高强度聚焦超声
• 子宫肌瘤
• 机器学习
• 剂量预测

目的 构建基于机器学习的高强度聚焦超声(HIFU)消融子宫肌瘤剂量预测模型。方法 收集接受HIFU消融子宫肌瘤患者678例的临床资料，通过Spearman相关性分析和随机森林计算重要性得分相结合的方法筛选特征，将特征纳入多层感知器(MLP)和极限梯度提升(XGBoost)模型中建立消融剂量预测模型，并评估预测模型的性能。结果 结合Spearman相关性分析和随机森林的结果，筛选出子宫位置、肌瘤类型、肌瘤位置、肌瘤长径等13类变量。分别建立MLP和XGBoost的剂量预测模型，其训练集上的平均绝对误差(MAE)、均方根误差(RMSE)、决定系数(R2)分别为0.163、0.195、0.951和0.029、0.088、0.993,MLP和XGBoost模型在测试集上的MAE、RMSE、R2分别为0.158、0.191、0.925和0.032、0.091、0.985。结论 MLP和XGBoost模型对HIFU消融子宫肌瘤的剂量均有较好的预测能力，能辅助临床医师为患者制定更合理的子宫肌瘤治疗方案。

• 单位
  生物医学工程学院; 南充市中心医院; 超声医疗国家工程研究中心; 川北医学院; 重庆医科大学; 第二临床医学院