多模态多分类器融合模型预测放射性口腔黏膜炎的性能
胡玥1
曾玉2
王琳婧3
廖志伟3
谭剑明3
邝燕好2
龚攀2
齐斌3
甄鑫1
1.南方医科大学生物医学工程学院,广东 广州 5105152.广州医科大学附属肿瘤医院口腔科,广东 广州 5100953.广州医科大学附属肿瘤医院放射肿瘤科,广东 广州 510095
摘要：目的 评估不同放射性口腔黏膜炎(RIOM)预测模型的性能,对比分析分层多模态多分类器融合(H-MCF)模型的有效性.方法 回顾性收集2022年9月～2023年2月在广州医科大学附属肿瘤医院接受观察和治疗的198例放射性口腔黏膜炎局部晚期鼻咽癌患者的数据.基于口腔放射剂量-体积参数与鼻咽癌相关的临床特征,针对不同特征选择算法和分类器两两组合得到基础分类模型.我们使用基于多准则决策的多分类器融合模型(MCF)和它的变体——H-MCF模型对基础分类模型进行融合.通过对各个模态的基础分类模型与MCF模型的性能、多模态的基础模型和MCF模型以及H-MCF模型的性能、单模态与多模态模型的性能、H-MCF与MCF以及其他集成分类器的性能进行分析比较,并通过ROC曲线下面积(AUC)、准确率(ACC)、灵敏度(SEN)和特异度(SPE)4种评价指标来评估模型的泛化性能,分析RIOM预测模型有效性.结果 结合多模态特征后,H-MCF模型在预测严重RIOM方面达到了最高的准确性(AUC=0.883,ACC=0.850,SEN=0.933,SPE=0.800).结论 相较于单个分类器的预测结果,结合临床和剂量两种模态的多分类器融合算法在预测严重RIOM发病率方面表现更优.
关键词：鼻咽癌放射性口腔黏膜炎人工智能多分类器多准则决策
论文发表日期：2024-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 2434-2442 )
英文信息