基于影像组学和临床特征构建用于区分胰腺良恶性病变的多模态可解释机器学习模型

表2 5种机器学习模型在训练集中的表现

机器学习模型	AUC	准确性	敏感性	特异性	F1分数
GNB	0.8250	0.8333	0.7333	0.9583	0.8302
LR	0.8819	0.7963	0.7333	0.8750	0.8000
RF	0.8500	0.8148	0.8000	0.8750	0.8421
XGBoost	0.8521	0.8333	0.7333	0.8750	0.8000
SVM	0.8369	0.7931	0.6667	0.9167	0.7692

AUC: 曲线下面积; GNB: 高斯朴素贝叶斯; LR: 逻辑回归; RF: 随机森林; XGBoost: 极端梯度提升; SVM: 支持向量机.