基于机器学习的多种分类模型在新型冠状病毒肺炎与社区获得性肺炎鉴别诊断中的效能

• 作 者: 田斌 余晖 任基刚 汪汉林 徐井旭 黄陈翠
• 机 构: 贵州医科大学医学影像学院,贵州医科大学附属医院影像科,长江航运总医院影像科,北京深睿博联科技有限责任公司研发中心
• 出 处: 放射学实践
• 发表日期: 2021年5期
• 关键词: 新型冠状病毒肺炎 社区获得性肺炎 体层摄影术 X线计算机 机器学习 放射组学 诊断 鉴别

目的:将14种常用的机器学习分类模型应用于新型冠状病毒肺炎(COVID-19)与社区获得性肺炎(CAP)的鉴别诊断,探讨能为COVID-19的早期诊断提供最优效能的机器学习分类模型。方法:搜集经临床确诊的86例COVID-19患者和100例CAP患者的胸部CT图像,利用影像组学方法提取病变区域的纹理特征,使用14种机器学习分类模型构建放射组学特征,通过ROC曲线下面积(AUC)评估模型的诊断效能,AUC最高者的效能最优。结果:14种分类模型的AUC均大于0.9,随机森林(Random Forest)模型的