机器学习预测新冠肺炎患者住院时间,多中心研究首次报道:鸭脖游戏网

本文摘要:2020年3月3日,来自安康、丽水、镇江、兰州、临夏5家注册医院的团队在实辊平台上发表了同行审查的研究论文,首次报道了基于机械学习创作的CT影像组学模型对新冠的发表。

鸭脖官网

2020年3月3日,来自安康、丽水、镇江、兰州、临夏5家注册医院的团队在实辊平台上发表了同行审查的研究论文,首次报道了基于机械学习创作的CT影像组学模型对新冠的发表。的双曲馀弦值。的双曲馀弦值。

(公共编号:)发现该研究团队公开发表的研究论文题目MachinerlearinerlearinerstaylenpatintaylenpatintaypatientwithontwithtinthSARSARS-CoV-2infection:Amultinfection:Amultinersthontin:Amultictinerstintersterstin记录:【图像来源:medRxiv所有者:medRxiv】inature认为住院时间是新型冠状病毒疾病(COVID-19)临床肾功能的最重要指标之一。据报道,SARS-CoV-2病毒感染患者的中位住院时间为10。目前,CT影像学已成为COVID-19最重要的临床和监测工具。疫情流行期间,由中国抗癌协会肿瘤人工智能专业委员和国家超级计算的天津中心组成的项目团队曾组成CT影像综合分析AIT辅助系统,提高筛选临床能力。

研究团队在兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院,于2020年1月23日至2月8日期间,召了52家事例实验室发病的SARS-CoV-2关于病毒感染患者,收集了临床资料,研究了其初期CT图像。到2020年,2月20日,研究规避了未出院患者和第一次,CT检查无肺炎显示患者,最后以长达31的病例治疗出院患者为研究对象,共有72个恶性肿瘤段。此外,研究团队将10天作为住院时间的二分类门槛——短期住院(≤10天)和多年住院(10天)。

由于样本数量受到限制,研究团队将其中的4个中心作为训练队列,另一个中心作为检查队列。针对训练和相互检查的数据集中在从肺炎恶性肿瘤中提取的特征上,研究团队开发了基于逻辑回归(Logisticregression、LR)模型和回归森林的CT放射学模型。

记录:【图像来源:medRxiv所有者:medRxiv】最终结果显示,基于6个二级特征的无线电放射线组学模型对肺炎分解SARSCoV-2病毒感染患者在短期住院和长期住院有很好的识别效果,LR和无线电下分别为0.97(95%CI0.83-1.0)和0.92(95%CI0.67-1.0)。此外,LR模型的敏感度和特异度分别为1.0和0.89,RF模型在测试数据集中的敏感度和特异度分别为0.75和1.0,接近表现。由此可见,基于机器学习的CT辐射组学模预测肺炎分解SARS-CoV-CoV-2感染病人住院时间方面具有可行性和准确性。

参考资料:https://www.medrxiv.org/content/10.1101/2020.02.29.20029603v1原始文章,允许禁止发布。下一篇文章发表了注意事项。

本文关键词:鸭脖官网,鸭脖娱乐官网,鸭脖游戏网

本文来源:鸭脖官网-www.tupota.com

相关文章

网站地图xml地图