文献类型：期刊文章

作　　者：毛钤镶[1] 承垠林[1] 赖聪[2] 汤壮[2] 许可慰[2] 周毅[3]

MAO Qianxiang;CHENG Yinlin;LAI Cong;TANG Zhuang;XU Kewei;ZHOU Yi(School of Biomedical Engineering, Sun Yat-sen University, Guangzhou 510080, China;Sun Yat-sen Memorial Hospital, Sun Yat-sen University, Guangzhou 510030;Department of Biomedical Engineering, Medical College, Sun Yat-sen University, Guangzhou 510080)

机构地区：[1]中山大学生物医学工程学院,广州510006 [2]中山大学孙逸仙纪念医院,广州510030 [3]中山大学中山医学院医学信息教研室,广州510080

出　　处：《生物医学工程研究》

基　　金：国家重点研发计划项目(2018YFC0116900);国家自然科学基金资助项目(61876194);广东省科技创新战略专项项目(202011020004);广东省自然科学基金项目(2021A1515011897)。

年　　份：2021

卷　　号：40

期　　号：2

起止页码：114-120

语　　种：中文

收录情况：ZGKJHX

摘　　要：本研究基于随机森林(random forests,RF)、XGBoost和支持向量机(support vector machine,SVM)等多种机器学习方法建立预测模型,探讨其对肾结石患者行经皮肾镜碎石取石术(percutaneous nephrolithotomy,PCNL)术后结石残留情况的预测价值。通过准确率、特异度及灵敏度等指标评价模型性能,绘制受试者工作曲线(receiver operating characteristic curve,ROC),计算曲线下面积(area under curve,AUC),RF为0.838,XGBoost为0.818,SVM为0.839,均高于传统结石评分系统。由RF和XGBoost建立的预测模型得到不同变量预测重要性占比,筛选出结石负荷、结石数量、结石CT值等是影响肾结石PCNL术后残留的重要预测因素。本研究对改善患者术后预后结果,提升临床治疗水平具有积极意义。

关 键 词：随机森林  XGBoost  支持向量机 经皮肾镜碎石取石术 肾结石

分 类 号：R318[生物医学工程类]