基于CT影像组学的机器学习融合模型鉴别诊断儿童新型冠状病毒性肺炎与其他病毒性肺炎的应用研究

目的：探讨基于CT影像组学的机器学习融合模型鉴别诊断儿童新型冠状病毒感染与其他病毒性肺炎的应用研究。方法：回顾性分析18岁以下2022年12月至2023年2月山西省儿童医院及太原市妇幼保健院核酸检测新型冠状病毒阳性肺炎并接受胸部CT扫描的49例患儿的临床和影像资料，同时回顾性分析2020年1月至2023年1月山西省儿童医院核酸检测新型冠状病毒阴性但感染其他单种病毒的病毒性肺炎98例患者的临床及影像资料。从首次平扫胸部CT图像中提取出病毒性肺炎影像组学特征，结合临床资料分析，建立影像组学模型、临床组学模型和融合模型。通过受试者操作特征（ROC）曲线、校准曲线和决策曲线分析各种模型的诊断性能。结果：影像组学模型在训练集中鉴别诊断COVID-19组和非COVID-19组的ROC曲线下面积（AUC）为0.854，灵敏度为86.1%，特异度为75.2%，准确度为84.3%；在测试集中鉴别诊断COVID-19组和非COVID-19组的AUC为0.839，灵敏度为84.6%，特异度为72.1%，准确度为86.4%。临床组学模型在训练集中鉴别诊断COVID-19组和非COVID-19组的AUC为0.8...