目的 基于患者膝关节MRI影像文本数据,结合预训练大模型、机器学习的方法计算患者间两两相似性度,以基于实例的K-最近邻(KNN)算法构建能够有效预测患者是否采用膝关节单髁表面置换术的方法。方法(1)基于百度预训练模型ERNIE的短文本相似度计算功能计算MRI影像所见全文本的相似度值;(2)利用百度ERNIE-4.0-8K大语言模型对影像文本进行文本特征提取,用XGBoost和随机森林进行特征重要性分析,对特征文本进行相似度计算后,最后加权得到最终的相似度。通过topk(k=15)相似度患者的召回,以占比多的手术类别作为样本的预测标签,对比在膝关节手术类型预测问题中的表现。结果 百度ERNIE-4.0-8K大语言模型对MRI文本提取了关节间隙、软组织信号、半月板、韧带4个特征描述;XGBoost算法对其进行特征重要性分析结果为0.196 9、0.367 3、0.154 0、0.281 8,随机森林的特征重要性分析结果为0.065 4、0.299 7、0.243 7、0.391 2。两种方法均显示软组织信号和韧带描述的重要性较高,关节间隙和半月板次之。文本特征提取结合随机森林的方法在所有评估指标上均表现最佳,准确率为0.776 7,精确率为0.786 1,召回率为0.893 6,F1值为0.836 4。文本特征提取结合XGBoost的方法次之,准确率为0.755 3,精确率为0.767 8,召回率为0.884 5,F1值为0.822 0。全文本分析方法的性能较低,准确率为0.619 4,精确率为0.652 9,召回率为0.863 2,F1值为0.743 5。结论在膝关节单髁表面置换术预测问题中,结合了文本特征提取的预测方法明显优于直接利用全文本进行预测的方法。
