临床研究
Copyright ©The Author(s) 2025.
世界华人消化杂志. 2025-05-28; 33(5): 361-372
在线出版 2025-05-28. doi: 10.11569/wcjd.v33.i5.361
图1
Open in New Tab Full Size Figure Download Figure
图1 患者筛选流程图. EUS: 超声内镜.
图2
Open in New Tab Full Size Figure Download Figure
图2 机器学习模型构建流程图. EUS: 超声内镜; SHAP: 沙普利加和解释.
图3
Open in New Tab Full Size Figure Download Figure
图3 LASSO回归筛选影像组学特征. A: LASSO回归分析交叉验证曲线; B: LASSO系数路径图.
图4
Open in New Tab Full Size Figure Download Figure
图4 机器学习模型ROC曲线. A: 3种模型在训练集上的ROC曲线; B: 3种模型在验证集上的ROC曲线. ROC: 受试者工作特征曲线; AUC: 受试者工作特征曲线及曲线下面积.
图5
Open in New Tab Full Size Figure Download Figure
图5 沙普利加和解释条形图实现模型的整体可视化.
图6
Open in New Tab Full Size Figure Download Figure
图6 胰腺良性患者的沙普利加和解释决策图和力图. A: 决策图; B: 力图.
图7
Open in New Tab Full Size Figure Download Figure
图7 胰腺恶性患者的沙普利加和解释决策图和力图. A: 决策图; B: 力图.
引文著录: 蔡晓晗, 范晓飞, 李姝, 方维丽, 王邦茂, 王玉峰, 冯月, 穆金宝, 刘文天. 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. 世界华人消化杂志 2025; 33(5): 361-372