基于支气管内超声的 SVM 模型用于区分良恶性纵隔和肺门淋巴结
2024年5月23日 更新者：Quncheng Zhang
摘要 背景与目的：建立基于支气管内超声（EBUS）的超声影像组学机器学习模型，辅助医生区分纵隔和肺门淋巴结的良恶性诊断。
方法：对197例患者的临床及超声影像资料进行回顾性分析。 通过基于EBUS的放射组学特征提取，并通过最小绝对收缩和选择算子（LASSO）对这些特征进行降维，通过支持向量机（SVM）建立基于EBUS的放射组学模型205 病变被随机分为训练组（n=143）和验证组（n=62）。 通过接收者操作特性（ROC）来评价诊断效率。结果：共选取13个系数非零的稳定特征。 支持向量机（SV）模型在训练组和验证组中都表现出了良好的性能。 在训练组中，SVM模型的曲线下面积（AUC）为0.892（95% CI：0.885-0.899）， 准确度为 85.3%，敏感性为 93.2%，特异性为 79.8%。在验证组中，SVM 模型的 AUC 为 0.906（95% C：0.890-0.923）， 准确度为74.2%，敏感性为70.3%，特异性为74.1% 结论：基于EBUS的影像组学模型可用于鉴别纵隔和肺门的良恶性淋巴结。 SVM模型显示出优越性并具有作为临床实践中的诊断工具的潜力
研究概览
研究类型
观察性的
注册 (实际的)
197
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Henan
-
Zhengzhou、Henan、中国、450000
- Department of Respiratory and Critical Care Medicine
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 孩子
- 成人
- 年长者
接受健康志愿者
不
取样方法
概率样本
研究人群
河南省人民医院
描述
纳入标准：
- (1)胸部CT显示纵隔或肺门淋巴结肿大或PET/CT纵隔、肺门淋巴结阳性（SUV≥2.5）； (2)接受EBUS-TBNA检查的患者； (3)无手术禁忌症。
排除标准：
- (1)EBUS-TBNA前对目标淋巴结进行预先处理； （二）诊断结果不明确的； (3)失访。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
训练组
|
根据SVM模式分析支气管镜超声图像
|
|
验证组
|
根据SVM模式分析支气管镜超声图像
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
曲线下面积
大体时间：一个月
|
判断模型的有效性和准确性
|
一个月
|
|
准确性
大体时间：一个月
|
判断模型的有效性和准确性
|
一个月
|
|
灵敏度
大体时间：一个月
|
判断模型的有效性和准确性
|
一个月
|
|
特异性
大体时间：一个月
|
判断模型的有效性和准确性
|
一个月
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2018年1月1日
初级完成 (实际的)
2023年12月1日
研究完成 (实际的)
2024年4月1日
研究注册日期
首次提交
2024年4月2日
首先提交符合 QC 标准的
2024年4月2日
首次发布 (实际的)
2024年4月8日
研究记录更新
最后更新发布 (实际的)
2024年5月24日
上次提交的符合 QC 标准的更新
2024年5月23日
最后验证
2024年5月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.