机器学习在肝包虫病诊疗中的研究进展
Research Progress of Machine Learning in the Diagnosis and Treatment of Hepatic Echinococcosis
DOI: 10.12677/ACM.2023.1371647, PDF,    科研立项经费支持
作者: 陈志恒, 周 瀛*：青海大学附属医院肝胆胰外科，青海 西宁
关键词: 肝包虫病；机器学习；预测模型；精准医学；Hepatic Echinococcosis； Machine Learning； Prediction Model； Precision Medicine
摘要: 本综述主要介绍机器学习在肝包虫病诊断方面的应用，包括数据集和预处理、特征提取与选择、分类器方法等方面的内容。先进的机器学习技术在协助肝包虫病的诊断、分型、临床手段、机制评价、治疗和预后评估等方面具有重要价值，在这一领域的研究对肝包虫病应该受到更多的关注和支持。同时，还将讨论当前机器学习在肝包虫病诊断中面临的挑战和限制。
Abstract: This review mainly introduces the application of machine learning in the diagnosis of hepatic echi-nococcosis, including data sets and preprocessing, feature extraction and selection, classifier meth-ods, and so on. Advanced machine learning technology is of great value in assisting the diagnosis, classification, clinical methods, mechanism evaluation, treatment and prognosis evaluation of he-patic echinococcosis. More attention and support should be paid to the research in this field. At the same time, the current challenges and limitations of machine learning in the diagnosis of hepatic echinococcosis will be discussed.
文章引用：陈志恒, 周瀛. 机器学习在肝包虫病诊疗中的研究进展[J]. 临床医学进展, 2023, 13(7): 11757-11761. https://doi.org/10.12677/ACM.2023.1371647

参考文献

[1] Wen, H., Vuitton, L., Tuxun, T., et al. (2019) Echinococcosis: Advances in the 21st Century. Clinical Microbiology Re-views, 32. [Google Scholar] [CrossRef] 
[2] Budke, C.M., Deplazes, P. and Torgerson, P.R. (2006) Global Socioeconomic Impact of Cystic Echinococcosis. Emerging Infectious Diseases, 12, 296-303. [Google Scholar] [CrossRef] [PubMed]
[3] Mihmanli, M., Idiz, U.O., Kaya, C., et al. (2016) Current Status of Diagnosis and Treatment of Hepatic Echinococcosis. World Journal of Hepatology, 8, 1169-1181. [Google Scholar] [CrossRef] [PubMed]
[4] 于鹏, 段绍斌. 术前MELD评分对肝包虫病患者手术后并发症和远期预后的评估价值[J]. 肝脏, 2023, 28(2): 229-232, 237.
[5] Chen, J.Z., Yu, D.G., Lan, X.R., et al. (2020) Multi-ple Disciplinary Team Discussion on Complex Hepatic Alveolar Echinococcosis. Journal of Hepatopancreatobiliary Surgery, 32, 152-156.
[6] 王正荣, 马勋, 张艳艳, 等. Th1/Th2型免疫反应相关基因在巨噬细胞RAW 264.7应对细粒棘球绦虫原头蚴刺激时的表达谱研究[J]. 畜牧兽医学报, 2022, 53(1): 250-262.
[7] Briganti, G. and Le Moine, O. (2020) Artificial Intelligence in Medicine: Today and Tomorrow. Frontiers in Medicine, 7, Article 27. [Google Scholar] [CrossRef] [PubMed]
[8] 何新, 陈慧, 冯炜炜. 机器学习算法在辅助超声诊断附件肿块良恶性中的应用研究进展[J]. 诊断学理论与实践, 2022, 21(4): 541-546.
[9] Samuel, A.L. (1959) Some Studies in Machine Learning Using the Game of Checkers. IBM Journal of Research and Development, 3, 210-229. [Google Scholar] [CrossRef] 
[10] Hastie, T., Tibshirani, R. and Friedman, J. (2009) Overview of Supervised Learning. In: Hastie, T., Tibshirani, R. and Friedman, J. Eds., The Elements of Statistical Learning: Data Mining, Infer-ence, and Prediction, Springer, New York, 9-41. [Google Scholar] [CrossRef] 
[11] Tran, K.A., Kondrashova, O., Bradley, A., et al. (2021) Deep Learning in Cancer Diagnosis, Prognosis and Treatment Selection. Genome Medicine, 13, Article No. 152. [Google Scholar] [CrossRef] [PubMed]
[12] Rajkomar, A., Dean, J. and Kohane, I. (2019) Machine Learning in Medicine. The New England Journal of Medicine, 380, 1347-1358. [Google Scholar] [CrossRef] 
[13] Sabbir, A., Jimeno-Yepes, A. and Kavuluru, R. (2017) Knowledge-Based Biomedical Word Sense Disambiguation with Neural Concept Embeddings. 2017 IEEE 17th Interna-tional Conference on Bioinformatics and Bioengineering (BIBE), Washington DC, 23-25 October 2017, 163-170. [Google Scholar] [CrossRef] 
[14] 何清, 李宁, 罗文娟, 等. 大数据下的机器学习算法综述[J]. 模式识别与人工智能, 2014(4): 327-336.
[15] 赵镇东, 常晓林, 王逸翔. 机器学习中的隐私保护综述[J]. 信息安全学报, 2019, 4(5): 1-13.
[16] 邹斌, 董雪梅, 付丽华. 基于算法稳定的分类机器学习泛化能力的研究[J]. 模式识别与人工智能, 2004, 17(4): 430-433.
[17] 王海霞. 基于肝脏超声图像的包虫病智能辅助诊断方法研究[D]: [硕士学位论文]. 深圳: 深圳大学, 2020.
[18] 木拉提∙哈米提, 周晶晶, 严传波, 等. 新疆地方性肝包虫CT图像的灰度直方图特征提取与分析[J]. 科技导报, 2012, 30(6): 66-70.
[19] 卢艺, 崔中良. 中国人工智能伦理研究进展[J]. 科技导报, 2022, 40(18): 69-78.
[20] 陈旭, 刘鹏鹤, 孙毓忠, 等. 面向不均衡医学数据集的疾病预测模型研究[J]. 计算机学报, 2019, 42(3): 596-609.
[21] 鞠强. 机器学习引领革新[J]. 科技导报, 2017, 35(22): 7.
[22] 兰欣, 卫荣, 蔡宏伟, 等. 机器学习算法在医疗领域中的应用[J]. 医疗卫生装备, 2019, 40(3): 93-97.
[23] 任珍, 李姝, 赵静静, 等. 机器学习在急诊医学中应用的研究进展及展望[J]. 中国急救医学, 2021, 41(3): 261-265.
[24] 侯娇, 温浩, 王明坤, 等. 肝细粒棘球蚴病手术患者病灶活性状态的影响因素分析[J]. 中国寄生虫学与寄生虫病杂志, 2022, 40(3): 309-315.
[25] 李海涛, 宋涛, 邵英梅, 等. Logistic回归方程对阿苯达唑两种剂型药物治疗囊性包虫病的临床疗效评价[J]. 新疆医学, 2015(3): 281-285.
[26] 王斯麒, 冉张申. 基于超声的影像组学在临床疾病诊断中的应用进展[J]. 中国医学创新, 2022, 19(18): 180-185.
[27] 樊霞, 王健, 夏雨薇, 等. 基于MRI影像组学预测肝泡型包虫病边缘微血管侵犯[J]. 中国医学影像技术, 2021, 37(12): 1849-1853.
[28] 郭兵, 庞明泉, 许晓磊, 等. 预测两型肝包虫病肝切除术后并发症列线图的建立及评价[J]. 临床肝胆病杂志, 2021, 37(11): 2626-2631.
[29] 罗可, 林睦纲, 郗东妹. 数据挖掘中分类算法综述[J]. 计算机工程, 2005, 31(1): 3-5, 11.
[30] 鄢靖欣, 邓满军, 樊羿辰, 等. 中国西部地区近20年肝棘球蚴病的贝叶斯单臂meta分析[J]. 中国病原生物学杂志, 2022, 17(10): 1164-1169, 1174.
[31] 努尔比耶姆∙阿布力克木, 杨静, 刘珺迪, 等. 基于磁共振灌注加权成像和支持向量机鉴别脑泡型包虫病与脑转移瘤[J]. 磁共振成像, 2022, 13(4): 26-31.
[32] 杨学兵, 张俊. 决策树算法及其核心技术[J]. 计算机技术与发展, 2007, 17(1): 43-45.
[33] 马明, 陈婷, 杨圆圆. 利用决策树模型的包虫病患者住院费用及病例组合分析[J]. 中国病案, 2022, 23(8): 33-37.
[34] 茹仙古丽∙艾尔西丁, 裴世宇, 严传波, 等. 基于深度学习的肝包虫疾病图像分类[J]. 中国数字医学, 2020, 15(4): 2-4, 21.
[35] 周泊阳, 石一磊, 郭乐杭, 等. 人工智能技术赋能超声影像用于肝脏疾病精准诊疗[J]. 中国血吸虫病防治杂志, 2022, 34(5): 458-464.

为你推荐