维普
万方数据
平扫CT深度学习模型预测经保守治疗后排出输尿管结石
Deep learning models based on plain scan CT for predicting discharge of ureteral calculus after conservative management
李金阳 1张羽萌 1张超2
作者信息
- 1. 山东大学第二医院泌尿外科,山东济南 250033
- 2. 山东大学第二医院影像科,山东济南 250033
- 折叠
摘要
目的 观察基于平扫CT建立的神经网络深度学习(DL)模型预测保守促排石治疗后排出输尿管结石的价值.方法 纳入915例接受保守促排石治疗的输尿管结石患者,随机分为训练集(n=700)、验证集(n=100)及测试集(n=115).基于平扫CT标记结石三维形状,分别针对训练集和验证集获取三维卷积神经网络(3D-CNN)、二维卷积神经网络(2D-CNN)及全连接神经网络(FCN)最佳参数并建立模型,以测试集检测模型预测能力;绘制受试者工作特征曲线,比较各模型及结石最大径预测测试集经保守治疗后可否排出输尿管结石的效能.结果 915例中,229例经保守治疗后排出输尿管结石.3D-CNN模型预测测试集排出输尿管结石的效能最佳,其曲线下面积(AUC)为0.956,高于2D-CNN模型(0.865)、FCN模型(0.813)及结石直径(0.818)(P均＜0.01);2D-CNN模型预测AUC高于FCN模型及结石直径(P均＜0.05).结论 利用DL模型、尤其3D-CNN能准确预测输尿管结石可否于保守治疗后排出.
关键词
输尿管结石/神经网络,计算机/深度学习/体层摄影术,X线计算机Key words
ureteral calculi/neural networks,computer/deep learning/tomography,X-ray computed引用本文复制引用
出版年
2023