甲状腺结节良恶性鉴别诊断：基于超声可解释性机器学习模型

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：目的 探讨基于二维超声及剪切波弹性成像（SWE）结合XGBoost机器学习模型在甲状腺结节良恶性鉴别诊断中的创新性及有效性。方法 分析2021年5月～2022年9月于安徽医科大学第一附属医院北区就诊扫156例甲状腺结节患者（共209个结节）的二维超声图像及SWE测值，以病理为金标准，使用XGBoost算法，建立基于二维超声特征和SWE的机器学习模型。（剩余12193字）

试读结束

目录
monitor