作者：吴虹霖; 雷丽程; 杨茂江; 蒋小凤; 王朗; ...支持向量机机器学习预测模型气胸ct引导下肺穿刺活检
摘要：目的 基于患者基本信息、病变及手术相关因素,采用支持向量机（SVM）,联合特征选择算法,建立CT引导下经皮胸腔肺穿刺活检（PTNB）气胸预测模型。方法 回顾性分析经CT引导下PTNB患者94例（气胸组/非气胸组：43/51）。于PACS系统上获取患者基本信息、肺部病变及穿刺活检术中的相关风险因素。采用特征选择的方法选取与气胸发生相关性较大的风险因素,采用SVM模型,并同神经网络（NN）、随机森林（RF）机器学习模型进行对比,建立气胸预测模型。结果 特征选择得到气胸风险因素按重要性大小排序：病灶深度、年龄、病灶大小、进针深度、穿刺针经过通气肺组织的长度、进针角度、穿刺针过胸膜凹陷及性别。与NN和RF相比,SVM预测性能最好,其准确度为88.9%、灵敏度为71.4%、特异度为100%。结论 机器学习方法可用于建立CT引导下PTNB气胸预测模型,SVM能构建预测气胸的最优模型,辅助临床诊断。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
