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3 5种机器学习模型在验证集中的表现

机器学习模型	AUC	准确性	敏感性	特异性	F1分数
GNB	0.7229	0.6212	0.7794	0.4531	0.6795
LR	0.8196	0.7727	0.6765	0.8750	0.7541
RF	0.8095	0.7576	0.6471	0.8750	0.7333
XGBoost	0.8761	0.7955	0.7206	0.8750	0.7840
SVM	0.7096	0.6288	0.6176	0.6406	0.6316

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.