原文服务方: 西安交通大学学报(医学版)       
摘要:
目的 基于CT定量分析比较C5.0决策树模型和TAN贝叶斯网络模型对慢性阻塞性肺疾病(chronic obstruc-tive pulmonary disease,COPD)危重程度分类预测的正确率.方法 回顾性收集2015年3月至2017年9月"数字肺"数据库中心COPD患者的CT扫描图像与肺功能测试结果,按《2018年慢性肺疾病诊断、治疗及预防全球策略》诊断标准,将患者分为4级.利用"数字肺"自动分析平台得到所有患者肺实质及支气管的相关指标.以肺功能分级为参照,建立C5.0决策树模型和TAN贝叶斯网络模型,比较2个模型对COPD分级的正确率.结果 C5.0的决策树模型训练样本和测试样本的正确率分别为90.76%和63.63%,TAN贝叶斯网络模型训练样本和测试样本的正确率分别为83.19%和52.73%.结论 基于CT定量分析,应用C5.0决策树模型能更好地预测COPD疾病的危重程度.
推荐文章
慢性阻塞性肺疾病的CT研究进展
阻塞性,肺疾病
体层摄影术,X线计算机
评价研究
多层螺旋CT低剂量扫描对阻塞性肺疾病分级定量测量的初步研究
体层摄影术
X线计算机
低剂量
支气管
阻塞性肺疾病
CT定量技术在慢性阻塞性肺疾病中的研究现状与展望
慢性阻塞性肺疾病
计算机定量技术
肺实质
肺支气管
肺血管
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于CT定量比较两种算法对慢性阻塞性肺疾病危重程度的分级
来源期刊 西安交通大学学报(医学版) 学科
关键词 COPD C5.0决策树模型 TAN贝叶斯网络 肺功能
年,卷(期) 2019,(2) 所属期刊栏目 专题研究
研究方向 页码范围 197-202,248
页数 7页 分类号 R714.253
字数 语种 中文
DOI 10.7652/jdyxb201902006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郭佑民 西安交通大学第一附属医院影像科 228 1372 17.0 23.0
2 王君 西安交通大学第一附属医院影像科 25 157 8.0 11.0
3 马光明 陕西中医药大学附属医院影像科 15 32 3.0 4.0
4 高俊刚 西安交通大学第一附属医院影像科 8 5 2.0 2.0
5 兰欣 西安交通大学第一附属医院信息科 16 88 5.0 9.0
6 沈聪 西安交通大学第一附属医院影像科 16 40 4.0 5.0
7 银楠 西安交通大学第一附属医院影像科 7 12 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (6)
参考文献  (13)
节点文献
引证文献  (1)
同被引文献  (8)
二级引证文献  (0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(7)
  • 参考文献(1)
  • 二级参考文献(6)
2013(5)
  • 参考文献(3)
  • 二级参考文献(2)
2014(5)
  • 参考文献(2)
  • 二级参考文献(3)
2015(4)
  • 参考文献(4)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(4)
  • 参考文献(1)
  • 二级参考文献(3)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
COPD
C5.0决策树模型
TAN贝叶斯网络
肺功能
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西安交通大学学报(医学版)
双月刊
1671-8259
61-1399/R
大16开
1937-01-01
chi
出版文献量(篇)
4401
总下载数(次)
0
总被引数(次)
26571
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导