本工具是一款专业的 AI超声影像组学研究助手, 专注于 子痫前期(PE) 的早期预测与风险评估。 通过深度挖掘 超声图像纹理特征 形态学参数 结合先进的 机器学习算法, 辅助医学研究人员构建高精度的预测模型,显著提升 临床诊断效率 与科研产出质量。
包括一阶统计特征、形状特征及纹理特征(GLCM、GLRLM等),需规范ROI的勾画标准。
常用LASSO回归进行特征降维,结合Logistic回归、SVM或随机森林构建预测模型。
支持二维超声、三维超声及多普勒超声图像的纹理特征分析与模型构建。
工具会建议使用ROC曲线、AUC值、决策曲线分析(DCA)等指标评估模型效能。