支持向量机CT引导下肺穿刺活检气胸预测模型的研究

摘要

目的 基于患者基本信息、病变及手术相关因素,采用支持向量机(SVM),联合特征选择算法,建立CT引导下经皮胸腔肺穿刺活检(PTNB)气胸预测模型.方法 回顾性分析经CT引导下PTNB患者94例(气胸组月非气胸组:43/51).于PACS系统上获取患者基本信息、肺部病变及穿刺活检术中的相关风险因素.采用特征选择的方法选取与气胸发生相关性较大的风险因素,采用SVM模型,并同神经网络(NN)、随机森林(RF)机器学习模型进行对比,建立气胸预测模型.结果 特征选择得到气胸风险因素按重要性大小排序:病灶深度、年龄、病灶大小、进针深度、穿刺针经过通气肺组织的长度、进针角度、穿刺针过胸膜凹陷及性别.与NN和RF相比,SVM预测性能最好,其准确度为88.9％、灵敏度为71.4％、特异度为100％.结论 机器学习方法可用于建立CT引导下PTNB气胸预测模型,SVM能构建预测气胸的最优模型,辅助临床诊断.