节点文献
基于机器学习的多模态超声组学在肝纤维化中的诊断价值
【机构】 中山大学附属第一医院超声医学科；
【摘要】 <正>目的建立多模态超声组学在肝纤维化模型,利用机器学习进行诊断。材料与方法本前瞻性研究共纳入144名慢性乙型肝炎患者。利用放射组学参数(CR)、原始射频参数(ORF)和动态微血管成像(CEMF)参数建立超声组学模型,生成肝纤维化超声成像的高通量定量数据。通过相关性比较和聚类分析探讨三大类参数的特征。选择参数对肝纤维化、炎症活动和脂肪变性分级进行诊断性实验。利用机器学习算法通过计算曲线下面积(AUC)对超声组学模型在纤维化分级进行评价。
- 【会议录名称】 中国超声医学工程学会第十二届全国腹部超声医学学术大会论文汇编
- 【会议名称】中国超声医学工程学会第十二届全国腹部超声医学学术大会
- 【会议时间】2018-10-12
- 【会议地点】中国陕西西安
- 【分类号】R575.2;R445.1
- 【主办单位】中国超声医学工程学会(Chinese Association of Ultrasound in Medicine and Engineering)