超声影像组学在女童卵巢发育中的应用价值OA

目的探索超声影像组学在识别女童卵巢发育中的应用价值。方法收集该院2024年1-12月的女童卵巢超声图像资料,分为发育组150例和未发育组150例。利用Python软件中的Pyradiomics包提取超声影像组学特征,然后完成特征筛选,并运用多种机器学习算法构建模型。结果发育组卵巢体积大于未发育组(P<0.01)。经过特征筛选,前20个最优特征被用来构建模型,包括纹理特征15个、一阶特征3个、形状特征2个。在多种机器学习算法中,logistic回归模型表现最优,整体精准率0.96,召回率0.96,F1分数0.96,ROC曲线下面积(AUC)为0.99。结论超声影像组学特征可为客观评估卵巢发育提供新的量化指标。在多种机器学习模型中,logistic回归模型表现最优。