临床放射学杂志

作者：张欣欣, 杨楠, 冯伦伦, 高望, 王春祥

单位：300134 天津市儿童医院天津大学儿童医院医学影像科,天津市儿童出生缺陷防治重点实验室

关键词：器官剂量,体型特异性剂量估计,机器学习,儿童腹盆部CT

基金：天津市医学重点学科(专科)建设项目基金资助项目(编号:TJYXZDXK-040A)

<b>目的</b> 探究机器学习方法用于预测儿童腹盆部CT器官剂量的可行性。<b>方法</b> 回顾性搜集于天津市儿童医院接受腹盆部CT平扫的3415例患儿图像,选择年龄、性别、CT容积剂量指数(CTDIvol)、扫描长度、剂量长度乘积(DLP)和体型特异性剂量估计(SSDE)等六种特征,分别使用支持向量机(SVM)、决策树(DT)、随机森林(RF)和K近邻(KNN)等算法预测个体器官剂量,比较四种模型的性能。利用权重系数和Shapley加法解释(SHAP)确定每个特征对模型的贡献程度。<b>结果</b> RF整体性能最优,其平均绝对误差、平均绝对百分比误差、均方误差、均方根误差、Pearson相关系数(r)和决定系数(R²)分别为1.6341、0.0218、7.3453、2.7102、0.9671(P&lt;0.001)和0.9330。SSDE对于模型预测贡献程度最高,与预测值为正相关;年龄贡献度仅次于SSDE,与预测值为负相关。<b>结论</b> 临床工作中可使用基于SSDE等指标构建的机器学习模型准确快捷地估测个体器官剂量。

来源：2025年第4期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第4期