基于机器学习的男性膀胱出口梗阻诊断模型

摘要

目的 构建一种针对男性膀胱出口梗阻的机器学习诊断模型。方法 采用回顾性分层抽样收集华中科技大学同济医学院附属同济医院2019—2024年580例男性患者尿动力学检查数据（梗阻290例/非梗阻290例），提取15项特征值，建立数据集。选取不同的特征组合构建模型并利用数据集对不同模型进行训练并验证。以精确度、召回率、F1值、准确度和特异性为评价指标评估模型的性能。结果 采用五折交叉验证，当特征数量为11项时模型性能最优，其曲线下面积值达0.95±0.02。该模型性能显著优于传统方法 （尿道阻力线性图与膀胱排出梗阻指数）。结论 基于反向传播神经网络的机器学习模型，对男性膀胱出口梗阻具有良好的诊断价值。

关键词

膀胱出口梗阻 / 尿动力学 / 机器学习 / 反向传播神经网络 / 特征提取 / 诊断模型

基金资助

湖北省自然科学联合基金项目（2023AFD072）; 华中科技大学创新与转化孵化项目（2022ZHFY11）