临床放射学杂志

作者：曲丽洁, 李雪松, 吕建林, 张宏, 邵军

单位：211100 南京医科大学附属江宁医院医学影像科曲丽洁、李雪松、张 宏、邵 军; 泌尿科（吕建林）

关键词：感染性结石,CT平扫图像,机器学习,结石成分检测

基金：本研究系2022年度南京市卫生科技发展专项资金项目（编号：YKK22226）

<b>目的</b> 探讨基于CT平扫图像的机器学习模型在鉴别泌尿系感染性结石与非感染性结石的价值。<b>方法</b> 回顾性分析并纳入102例患者共计300枚已知成分的泌尿系结石进行研究,将结石的CT平扫图像用于提取纹理特征。按照8&#x02236;2比例将所有结石随机混淆为训练集与测试集。采用最小绝对收缩和选择算子算法（LASSO）、皮尔逊相关（<em>Pearson）</em>相关系数及显著性检验对CT平扫图像提取的纹理特征进行降维并筛选最优纹理特征。使用AdaBoost算法构建机器学习模型。采用受试者工作特征曲线（ROC）评测机器学习模型的诊断效能。<b>结果</b> 300枚泌尿系结石共提取1746种纹理特征,最终共筛选出15种最优纹理特征用于构建机器学习模型。训练集与测试集鉴别感染性与非感染性结石的曲线下面积（AUC）分别为0.850和0.775。临床决策曲线提示该机器学习模型具有较好临床应用价值。<b>结论</b> 基于CT平扫图像的机器学习模型对临床鉴别感染性与非感染性结石具有一定指导价值。

来源：2025年第7期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第7期