不同机器学习模型鉴别结肠型克罗恩病与溃疡性结肠炎的价值杜晨李翠平王侠樊梦思孟帅吴兴旺基金项目:安徽省学术技术带头人科研项目(编号:2021D299)作者单位:230022安徽合肥安徽医科大学第一附属医院放射科通信作者:吴兴旺，duobi2004@126．com［摘要］目的比较不同的机器学习模型在鉴别结肠型克罗恩病(CCD)与溃疡性结肠炎(UC)中的价值。方法收集2019年6月至2021年12月在安徽医科大学第一附属医院消化科就诊的有完整CT小肠成像(CTE)且经病理证实炎症性肠病(IBD)患者44例(CCD25例，UC19例)。利用ITK－Snap软件在静脉期病灶最明显肠段进行勾画，共计勾画106个病变肠段(CCD58个、UC48个)。利用AK软件提取勾画区影像组学特征，以7∶3比例随机分为训练集和测试集;对训练集用Correlation_xx和MultiVari-ate_Logistic算法进行数据降维，筛选组间差异明显的影像组学特征构建6种机器学习模型，用测试集的特征对其进行验证。结果175种组学特征中有4种组间差异有统计学意义(P＜0．05)。6种模型中有4种模型曲线下面积均＞0．90。训练集中邻近算法(KNN)模型鉴别CCD与UC的受试者工作特征曲线下面积(AUC)为0．958(95%CI:0．917～0．992)，准确率、特异度、灵敏度分别为87．7%、100%和72．7%;在测试集的AUC为0．904(95%CI:0．792～0．996)，准确率、特异度和灵敏度分别为87．9%、88．9%和86．7%。结论4种常用的机器学习模型在鉴别CCD与UC中均有良好的表现;其中KNN模型稳定性好，准确性更高。［关键词］结肠型克罗恩病;溃疡性结肠炎;影像组学;机器学习模型doi:10.3969/j.issn.1000－0399.2023.01.004ThevalueofdifferentmachinelearningmodelsindiscriminatingcolonicCrohn’sdiseasefromulcerativecolitisDUChen，LICuiping，WANGXia，FANMengsi，MENGshuai，WUXingwangDepartmentofＲadiology，theFirstAffiliatedHospitalofAnhuiMedicalUniversity，Hefei230022，ChinaFundproject:ScientificresearchprojectofacademicandtechnicalleadersinAnhuiProvince(No．2021D299)Correspondingauthor:WuXingwang，duobi2004@126．com［Abstract］ObjectiveTocomparethevalueofdifferentmachinelearningmodelsindistinguishingcolonicCrohn’sdisease(CCD)fromulcerativecolitis(UC)．MethodsAtotalof44patients(25CCDand19UC)withcompleteCTenterography(CTE)imagingandpathologicallyconfirmedinflammationboweldiseases(IBD)werecollected．Itk－snapsoftwarewasusedtoout...
