基于人工智能的CT放射组学模型对细菌性肺炎的分类诊断价值
丁春阳
殷公建
东南大学医学院附属南京同仁医院急诊医学科 江苏 南京 211102
摘要：目的 基于人工智能的CT放射组学特征构建细菌性肺炎多分类模型,并评估该模型的诊断价值.方法 选取 389 例细菌性肺炎患者的临床及CT检查资料,基于从CT图像中提取的放射组学特征,分别对 9 个学习模型进行评估;构建 3 个最优子模型,并将其集成在一起形成多分类模型.采用受试者工作特征(ROC)曲线和曲线下面积(AUC)评估模型的分类诊断效能.结果 选择 5 个特征建立了 3 个放射组子模型:革兰阳性模型、革兰阴性模型和非典型模型.采用支持向量机方法建立的综合放射组学模型在训练集中的平均AUC为 0.75(95%CI:0.65～0.83),准确率为 58%,灵敏度为 57%,特异度为 78%;在测试集中的平均AUC为 0.73(95%CI:0.61～0.79),准确率为 54%,灵敏度为 52%,特异度为 75%.结论 基于人工智能的CT放射组学特征构建的细菌性肺炎多分类模型对于革兰阳性、革兰阴性和非典型细菌性肺炎具有一定的鉴别诊断价值,有助于临床辅助经验性抗生素治疗.
关键词：放射组学人工智能体层摄影术X线计算机细菌性肺炎
分类号：R445.3(诊断学)R563.1(呼吸系及胸部疾病)
资助基金：江苏省中医药科技发展计划面上项目(2023Z013)
论文发表日期：2025-05-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 59-62 )
英文信息