不同机器学习模型在颈部淋巴瘤诊断中的应用与比较

摘要：

目的 基于颈部淋巴结的超声特征,构建并对比不同机器学习模型诊断淋巴瘤的性能.
方法 纳入颈部淋巴结肿大患者714例,按7:3将患者随机分为建模队列和验证队列.结合临床数据(年龄、性别和肿瘤史)和淋巴结的超声特征,构建K近邻算法(KNN)、支持向量机(SVM)、决策树(DT)、反向传播算法神经网络(BP)及随机森林(RF)模型.通过计算受试者工作特征(ROC)曲线下面积(AUC)、准确度、精准度、召回率、F1-score及Brier-score等指标比较模型诊断效能.
结果 KNN模型和RF模型的AUC在训练集中比较高,分别为0.853 1和0.867 4;在验证集中下降为0.698 1和0.662 9.在验证集中,DT模型和SVM模型的AUC(分别为0.758 6和0.747 6)与精准度(分别为0.913 0和0.869 6)均比其他3个模型高.同时,也相应高于训练集中的指标.DT模型最终纳入了网格状回声、淋巴门、血供模式、年龄和淋巴结短轴径5个变量.
结论 网格状回声是淋巴瘤最重要的超声特征.与其他4种模型相比,DT模型诊断能力高,且具有更好的泛化能力和可解释性,可以在临床诊断颈部淋巴瘤中发挥重要作用.

关键词：颈部淋巴瘤、机器学习、超声、决策树

所属期刊栏目：39

分类号：R733.4;U445.463;G434

资助基金：福建省自然科学基金项目No.2022J011478

在线出版日期：2023-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：974-978