机器学习模型预测甲状腺结节良恶性分析

摘要：

甲状腺结节的无创诊断主要依赖于影像学检查,其中超声检查具有经济性强、无害、无创、操作简单且准确率较高的特点,但传统的超声检查对操作人员的依赖性较强,且诊断结果准确性受阅片人员的影响较大,因此若医师知识储备不足或高强度工作导致的疲劳均可能导致超声诊断准确率下降[1].随着计算机与影像学技术的不断融合与发展,机器学习(machine learning,ML)这一多领域交叉学科逐渐应用于临床疾病的影像学辅助诊断中,其具有自主学习、低消耗、高效率、高同质性、高准确性等优势,利用ML技术有望在降低医院诊疗成本的同时提高疾病诊断准确率[2].目前临床关于ML模型对甲状腺结节良恶性结节的预测价值鲜有报道,因此,本研究基于ML模型对甲状腺结节良恶性进行鉴别,以探讨其临床价值.

所属期刊栏目：50

资助基金：上海市金山区卫生健康系统科研课题计划项目JSKJ-KTYQ-2019-13

在线出版日期：2021-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：2899-2901