基于增强CT构建鉴别肾透明细胞癌ISUP分级的神经网络模型
Cancer Research on Prevention and Treatment(2021)
Abstract
目的 基于增强CT构建鉴别肾透明细胞癌(ccRCC)ISUP分级的神经网络模型.方法 收集本单位病理确诊的ccRCC患者131例,ISUP低级别92例、高级别39例.按5:5分层抽样将患者分为训练集和验证集.由影像科医师对ccRCC增强CT图像进行评价.对患者一般特征及增强CT特征采用递归特征消除(RFE)进行降维,用于神经网络建模及验证.结果 患者一般特征及增强CT特征经RFE后降维为14个特征,重要性排序前5的特征为生长方式、坏死、区域淋巴结肿大、肿瘤大小及假包膜.基于该5个特征构建的神经网格模型在训练集鉴别低、高级别ccRCC的AUC为0.8844(95%CI:?0.8062~0.9626),敏感度为89.47%,特异性为82.61%.验证集中的AUC为0.7924(95%CI:0.6567~0.9280),敏感度为75.00%,特异性为86.96%.结论 基于增强CT构建ccRCC?ISUP分级的神经网络模型有较好的诊断效能.
MoreTranslated text
Key words
multidetector computed tomography,kidney neoplasms,neoplasm grading,neural networks
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined