目的:将14种常用的机器学习分类模型应用于新型冠状病毒肺炎(C O V ID-19)与社区获得性肺炎(CAP)的鉴别诊断,探讨能为COVID-19的早期诊断提供最优效能的机器学习分类模型.方法:搜集经临床确诊的86例COVID-19患者和100例CAP患者的胸部CT图像,利用影像组学方法提取病变区域的纹理特征,使用14种机器学习分类模型构建放射组学特征,通过ROC曲线下面积(AUC)评估模型的诊断效能,AUC最高者的效能最优.结果:14种分类模型的AUC均大于0.9,随机森林(Random Forest)模型的AUC最高(0.9406),高斯贝叶斯(Gaussian NB)模型的AUC最低(0.9037).结论:14种机器学习分类模型均可有效鉴别C O V ID-19与C A P,均具有较高的鉴别诊断效能(AUC值均>0.9),效能最高的模型是Random Forest(AUC=0.9406),能够在早期诊断COVID-19方面发挥优势.
作者：田斌；余晖；任基刚；汪汉林；徐井旭；黄陈翠
来源：放射学实践 2021 年 36卷 5期
