中国医学物理学杂志

基于卷积神经网络的宫颈癌调强放疗剂量预测方法

吴晓娟 1,2，张艺宝 3，任鸿儒 1，孟令军 2 — 2025年04月20 00:00

目的：建立一个卷积神经网络模型用于宫颈癌调强放疗的剂量分布，并评估它在实现自动计划方面的潜在应用。方法：采用100例女性盆腔调强放疗计划，80例为训练集，10例为验证集，10例为测试集，在三维深度残差网络模型基础上搭建剂量预测模型，预测三维剂量分布。通过CT 影像以及RT Structure文件提取出危及器官以及计划靶体积的掩模。将不同结构按照密度赋值图进行密度赋值，赋值后的CT掩图作为训练模型的输入图像。利用获取的最优模型实现三维剂量预测分布，将预测结果与手工计划设计的剂量分布进行剂量学比较。结果：在10例测试集上的实验结果显示，临床剂量学参数差异较小，在临床可接受范围内。10例测试集病例平均绝对误差 MAE为（0.58±0.16）Gy，平均 DSC系数为0.90±0.03，HD95为（10.61±7.17）mm。预测模型直肠的V45和小肠的D2 cc与手动计划相比，略有降低，左右侧股骨头的V20较手工计划有所降低；预测模型PTV的D95与人工计划相比有所降低，PTV的D90、HI和CI指数差异较小，两者的三维剂量分布差异较小，模型预测的剂量分布可满足临床要求。结论：基于卷积神经网络的剂量预测模型可以准确预测宫颈癌调强放疗的剂量分布，有望用于自动计划设计和质量评估等。

螺旋断层放疗、静态调强放疗和容积旋转调强放疗技术在宫颈癌放疗的剂量学对比分析

苟亮倩，吴书裕，廖华英，杨玉善，张国前，余辉，王晓慧，张书旭 — 2025年04月20 00:00

目的：量化评估静态调强放疗（ IMRT ）、容积旋转调强放疗（ VMAT ）和螺旋断层放疗（ TOMO ） 3 种技术在宫颈癌放
疗中的剂量学差异，为临床医生的放疗决策提供数据支持，以优化放疗方案的选择。方法：选取 2024 年 2 月 ~5 月在广州医
科大学附属肿瘤医院收治的 19 例宫颈癌放疗患者的临床数据，对每个病例制定 IMRT 、 VMAT 、 TOMO 3 种计划，并进行剂
量评估，评估指标包括靶区和危及器官（ OARs ）的剂量体积参数、均匀性指数（ HI ）、适形度指数（ CI ）及机器出束时间等。
结果：所有治疗计划靶区均达到临床处方要求。在靶区剂量方面， TOMO 组的 D mean 和 D max 均显著低于 IMRT 和 VMAT 组。
对于 OARs ， TOMO 组在降低膀胱 D mean 、直肠 D mean 、 D max 、 V 30 、 V 40 ，以及左、右股骨头 D mean 、 D max 、 V 20 、 V 30 和骨盆 D mean 、 V 20 、 V 50
等方面表现出显著优势，与 IMRT 和 VMAT 组相比，差异有统计学意义（ P <0.05 ）。此外， TOMO 组靶区的 CI 显著高于
IMRT 和 VMAT 组，而 PGTVnd HI 显著低于 IMRT 组，差异均有统计学意义（ P <0.05 ）。虽然 3 组在 PCTV HI 方面的差异无
统计学意义，但 TOMO 组的表现略优于其他两组。值得注意的是， VMAT 技术治疗时间最短。结论：在宫颈癌的不同治
疗模式中， TOMO 技术显示出在靶区剂量覆盖率、 OARs 的剂量分布、 CI 和 HI 方面优于 IMRT 和 VMAT 技术。 VMAT 治疗
效率最高。

融合小波散射与胶囊网络的类器官图像分割方法

杨红蕊 1,2,3，李刚 4，陈泽新 5，翟羽佳 6,7，徐莹莹 1,2,3 — 2025年04月20 00:00

目的：构建并验证一种基于深度学习的类器官图像自动分割方法，旨在解决当前类器官分割中误识别率高、边界模糊、泛化性差的问题，以帮助研究人员更快更好地跟进和分析类器官细胞结构的生长情况。方法：在U-Net架构的基础上，引入小波散射系数矩阵与胶囊卷积模块，构建类器官图像分割模型OrgCapsU-Net，并在不同组织来源的3个类器官图像数据集上分别进行训练和测试。结果：与当前主流分割算法对比，OrgCapsU-Net能更好地区分类器官与杂质，分割边界也更加平滑，4个评估指标在3个数据集上均达到最优的结果。结论：OrgCapsU-Net实现良好的分割性能，能够适用于不同组织来源的类器官，在体外建模、高通量药物筛选以及个性化医疗方面具有较好的应用前景。

基于能谱CT参数及临床特征构建非小细胞肺癌PD-L1表达的列线图预测模型

朱凯博，邓靓娜，王海升，刘建强，雒攀，周俊林 — 2025年04月20 00:00

目的：基于临床信息、常规CT征象及能谱CT参数构建列线图模型术前预测非小细胞肺癌（NSCLC）程序性死亡配体1（PD-L1）的表达水平。方法：回顾性分析经病理证实为NSCLC的52例患者，术前均行能谱CT检查。依据PD-L1表达水平分为阳性组和阴性组，收集两组患者的临床信息、常规CT征象及能谱CT定量参数。临床信息包括性别、年龄、Ki-67、肿瘤标志物。常规CT征象包括肿瘤密度、边界、钙化征、毛刺征、分叶征、胸膜凹陷征、空洞征等。测量两组病灶在动脉期和静脉期的能谱参数，包括有效原子序数（Eff-Z）、碘浓度（IC）、水浓度（WC），并计算归一化碘浓度（NIC）。比较两组间的差异，采用多因素Logistic回归来筛选独立预测因子并构建预测模型，采用受试者工作特征曲线、校准曲线和决策曲线评估列线图模型的预测效能及准确性。结果：临床信息中，两组在性别方面的差异有统计学意义（P<0.05）。在动脉期和静脉期，PD-L1阳性组的能谱定量参数IC、NIC及Eff-Z均大于PD-L1阴性组，差异有统计学意义（P<0.05）。多因素Logistic回归分析显示性别（P=0.024）、静脉期Eff-Z（P=0.002）及静脉期IC（P=0.003）为PD-L1表达的独立预测因素。基于以上独立预测因子构建的列线图预测模型曲线下面积为0.80，敏感度为88.00%，特异度为59.00%。校准曲线表明模型预测值和实际值具有较高的一致性。决策曲线显示高风险阈值界于0.10~0.83时，模型可以获得最大净收益。结论：基于能谱CT定量参数和临床信息的列线图模型在术前预测NSCLC的PD-L1表达水平中有一定的价值。

窗宽窗位自适应算法在头颈CT血管成像三维重建的应用价值

方丽萍，赵洪波，陶晓峰 — 2025年04月20 00:00

目的：为了实现不同剂量对比剂的头颈血管重建出来有一致的重建效果，探讨窗宽窗位自适应算法在头颈CT血管三维重建的应用价值。方法：选取行头颈部血管CTA检查患者100例，分别对数据进行直接重建血管和应用窗宽窗位自适应算法后再重建血管，对比两组数据的重建效果。结果：对于对比剂量偏多或偏少的病例，应用窗宽窗位自适应算法调整后再重建的整体效果优于直接重建的效果，对于颅内细小血管和斑块的显示效果更佳。结论：窗宽窗位自适应算法在头颈CT血管重建中有较高的应用价值，对于斑块的突出显示、不同剂量对比剂数据的适配和颅内细小血管的显示有较好的泛化性。

基于条件扩散模型的CT金属伪影校正

梁佩文，郑梦洵，唐龙，张华 — 2025年04月20 00:00

目的：提出一种基于模板先验的条件扩散模型，以校正计算机断层扫描在扫描过程中因金属种植体导致的重建图像出现明暗相间的条纹状金属伪影。方法：首先利用图像分割技术将金属部分进行分割，并生成对应金属轨迹投影数据，去除金属轨迹的投影数据以及模板先验图像对应投影数据；然后构建条件扩散模型，恢复投影数据对应金属区域的缺失部分；最后对恢复投影进行滤波反投影重建获得校正图像。结果：本文方法与伪影解耦网络相比，峰值信噪比提高3.44 dB，结构相似性指数提高0.079；与扩散模型相比，峰值信噪比提高0.749 dB，结构相似性指数提高0.015。结论：本文方法优于传统金属伪影校正方法，在条形伪影及阴影型伪影校正方面具有较好表现。

动态增强磁共振成像对HER-2低表达乳腺癌患者腋窝淋巴结转移的诊断价值

朱雪 1，李可可 1，刘莹 2，马文娟 3，董宏伟 2 — 2025年04月20 00:00

目的：探讨动态增强磁共振成像（DCE-MRI）对HER-2低表达乳腺癌患者腋窝淋巴结转移（ALNM）的诊断价值。方法：选择在徐州医科大学附属医院接受治疗的297例HER-2低表达乳腺癌患者为研究对象，根据是否存在ALNM分为ALNM组（n=71）和非ALNM组（n=226）。所有患者均接受DCE-MRI检查，收集并分析动态增强参数。通过Logistic回归分析确定ALNM的影响因素，运用ROC曲线评估DCE-MRI参数在诊断ALNM中的效能。结果：两组患者在病灶分布、TNM分期、脉管侵犯方面比较差异有统计学意义（P<0.05）。两组患者在短长径之比、血管外细胞外间隙容积分数（Ve）、容积转移常数（Ktrans）、速率常数（Kep）、表观扩散系数（ADC）、信号增强比率（SER）方面比较差异有统计学意义（P<0.05）。多因素回归分析显示，短长径之比、Ve、Ktrans、Kep、ADC、SER是影响乳腺癌患者ALNM的显著因素。通过对比得出，DCE-MRI参数联合预测的曲线下面积最大，为0.976，灵敏度为91.5%，特异度为92.9%。结论：DCE-MRI是判断HER-2低表达乳腺癌患者腋窝淋巴结是否转移的有效工具，可以为临床提供重要的诊断依据。

一站式多模态CT评估急性缺血性脑卒中侧支循环及预后

李雪娇，聂君洋，谢艺才，黄军荣，苏泓燕 — 2025年04月20 00:00

目的：探讨一站式多模态CT在急性缺血性脑卒中（AIS）侧支循环评估及预后判断中的应用效果。方法：纳入2022年2月~2024年5月在梧州市红十字会医院就诊的AIS患者115例为研究对象，患者入院时均进行一站式多模态CT检查，并行血管内治疗。分别依据多时相CT血管成像（mCTA）侧支循环评分量表及90 d改良Rankin量表（mRs）评分将患者分为侧支循环良好组（n=59）、侧支循环不良组（n=56）和预后良好组（n=48）、预后不良组（n=67），对各组间临床资料及影像学参数进行对比，AIS患者侧支循环情况及预后的独立影响因素通过多因素Logistic回归模型分析，基于多因素Logistic分析建立AIS患者预后不良预测模型，通过受试者工作特征（ROC）曲线分析预测模型对AIS患者预后的预测价值。结果：侧支循环不良组岛带征及脑灰白质模糊征比例高于侧支循环良好组（P<0.05），而低灌注强度比值（HIR）<0.3低于侧支循环良好组（P<0.05）；侧支循环不良组患者局部血容量（rCBV）<40%、脑血流量（rCBF）<30%、达峰时间（Tmax）>8 s、Tmax>10 s体积均高于侧支循环良好组（P<0.05），而ASPECTS评分低于侧支循环良好组（P<0.05）；多因素Logistic回归分析显示，ASPECTS评分、rCBV<40%、rCBF<30%、Tmax>10 s是侧支循环不良的独立风险因素（P<0.05）。预后不良组患者介入取栓术后出血、Mismatch比值<1.8比例高于预后良好组（P<0.05），而HIR<0.3低于预后良好组（P<0.05）；预后不良组患者的入院NIHSS评分、rCBV<40%、rCBF<30%、Tmax>4 s、Tmax>6 s、Tmax>10 s体积均高于预后良好组（P<0.05），而mCTA侧支循环评分低于预后良好组（P<0.05）。多因素 Logistic 回归分析显示，入院 NIHSS 评分、mCTA 侧支循环评分、rCBV<40%、rCBF<30%及Tmax>10 s是预后不良的独立风险因素（P<0.05），带入回归方差：Logit(P)=-0.184+入院NIHSS评分×0.134+mCTA 侧支循环评分×（-0.415）+rCBV<40%×0.107+rCBF<30%×0.089+Tmax>10 s×0.028；ROC 曲线结果显示，基于多因素Logistic回归模型预测AIS患者预后不良的曲线下面积为0.775（95 CI：0.689~0.860，P<0.001）。结论：一站式多模态CT评估AIS患者侧支循环及预后具有较好的应用价值。

基于改进三维卷积网络的非接触式生理参数检测方法

徐展宇，陈兆学 — 2025年04月20 00:00

远程光电容积描记法（rPPG）是从面部视频中测量心率等生理参数的方法，针对现有的心率测量方法难以同时兼顾高准确率和轻量化的问题，提出一种改进的三维卷积网络模型实现基于面部视频的非接触式生理参数检测。在预处理时，使用YuNet模型替代传统人脸检测器，从而快速且精确地识别人脸区域。此外，将注意力机制和残差模块嵌入到三维卷积网络中提取通道和空间的关键特征，并使用长短期记忆网络作为时期记忆模块捕捉数据中的长期依赖关系。实验结果表明，所提出 Res-CHATM 模型在公开数据集 UBFC-rPPG 和 PURE进行心率评估交叉实验时分别取得MAE=2.19 BPM，RMSE=7.02 BPM，C=0.95以及MAE=1.65 BPM，RMSE=3.44 BPM，C=0.98的优异效果，进一步验证了模型预测值与真实值之间的一致性以及融合模块的有效性，展示了高效轻量化模型在rPPG技术中的潜力。

基于双向选择性状态空间模型的心电自动诊断模型

林铭俊 1，温耀棋 1，张鑫 1，洪永 1，陈超敏 1，吴煜良 2 — 2025年04月20 00:00

针对现有心电自动诊断模型在长时依赖性学习上存在的局限性，提出一种结合双向选择性状态空间模型（BiMamba）与残差多尺度感受野模块的12导联长时心电信号自动诊断模型（BiMamba-RMSF）。首先，设计具有残差连接的多尺度感受野模块实现更广泛的特征提取与融合；其次，引入BiMamba模块通过正向和反向的时序处理方式，提高模型的时序建模能力；最后，分类器对来自BiMamba的特征进行处理实现心电多标签分类任务。从PTB-XL数据集上提取5个主诊断类别的数据，进行五折交叉验证实验。对比实验结果显示，BiMamba-RMSF的平均准确率达到89.42%，平均AUC达到93.56%，平均F1分数达到72.85%，各指标均高于其他4个对比心电自动诊断模型，且通过消融实验进一步验证BiMamba模块的有效性。实验结果表明本文模型在12导联长时心电信号多标签分类任务上具有较高精度。

基于CNN-BiGRU和多头自注意力机制的自动睡眠分期方法

张晓莉 1,2，张喜珍 1,2，林冬梅 3，陈扶明 2 — 2025年04月20 00:00

针对睡眠脑电数据存在类别不平衡以及深层网络在提取更多特征时可能出现的梯度消失或爆炸现象问题。本文首先通过改进的自适应合成采样技术对少样本类别的睡眠脑电数据进行数据增强。然后，利用卷积神经网络和残差网络学习数据特征，并通过三层双向门控循环网络挖掘深层时序信息，确定各睡眠阶段之间的相关性，实现自动特征学习和睡眠周期提取。最后，采用多头自注意力机制增强模型对序列中重要部分的关注，完成各睡眠阶段的分类。实验结果表明，根据AASM睡眠分期标准，在经过数据类平衡处理后，基于CNN-BiGRU和Multi-head Self Attention自动睡眠分期模型在 Sleep-EDF-20 数据集上的总准确率和 Kappa系数分别达到了 90.77% 和 0.88，N1 期的精确率达到了 87.1%；在Sleep-EDFx数据集上MF1为0.84，N1期的精确率也达到了77.2%，总体较CNN-BiGRU自动睡眠分期模型在原始数据集上的性能有所提升，与其他相关研究相比，睡眠阶段分类精度显著提升。验证了本文方法的有效性和泛化能力。

静息心电图ST-T异常及应激性血糖升高比值与急性左心衰短期预后的相关性

王功旭 1，陈亮 1，李林辉 2，陈宝 3 — 2025年04月20 00:00

目的：探讨静息心电图ST-T异常及应激性血糖升高比值（SHR）与急性左心衰（ALHF）短期预后的相关性。方法：收集 125 例 ALHF 患者的临床资料，根据发病 30 d 内预后情况分为预后良好组（n=59）、预后不良组（n=42）、死亡组（n=24）。收集3组静息心电图指征及入院即刻血糖、次日空腹糖化血红蛋白，计算SHR，分析静息心电图ST-T异常及SHR与ALHF短期预后的相关性。结果与结论：3组患者性别、血压等一般资料比较无统计学差异（P>0.05），但预后良好组年龄低于死亡组（P<0.05）。预后良好组静息心电图ST-T异常率、QRS波群时限、QTc间期均低于预后不良组和死亡组（P<0.05），且预后不良组低于死亡组（P<0.05）。预后良好组SHR低于预后不良组和死亡组（P<0.05），且预后不良组低于死亡组（P<0.05）。多因素Logistic回归分析显示，ST-T异常、QRS波群时限延长、QTc间期延长、SHR高值均为影响ALHF患者预后不良发生的独立危险因素（P<0.05）。静息心电图ST-T异常、SHR与ALHF短期预后均呈现显著正相关。

经颅直流电刺激干预脑卒中的不同模式疗法的仿真对比

刘蒙蒙 1，于洪丽 2 — 2025年04月20 00:00

目的：分析阳极、阴极和双极经颅直流电刺激（tDCS）下脑卒中患者脑内电流分布情况，为不同模式tDCS应用于脑卒中患者康复治疗提供理论依据。方法：基于MRI数据重建头皮、颅骨、脑脊液和大脑4层头部组织结构，并导入有限元仿真软件结合成真实头模型。然后在大脑模型中构建脑卒中病灶，在头皮模型上构建阳极和阴极电极片模型。最后仿真分析阳极、阴极和双极tDCS在卒中大脑中的有效刺激区域、有效刺激深度和利用率。结果：仿真分析结果发现，阳极tDCS的有效刺激区域最集中、利用率最高，双极tDCS的有效刺激深度最深。此外，不同模式tDCS产生的电流密度峰值都位于病灶区域的边界处，大脑内部的有效刺激区域同样位于病灶位置。结论：tDCS是一种有潜力的脑卒中康复治疗方法，根据仿真结果可见，阳极和双极tDCS对卒中大脑的刺激效果在一定程度上可能优于阴极tDCS。

非标准驾驶姿态下安全气囊误爆对驾驶员上肢碰撞损伤的影响因素

崔世海 1,2，王啸林 1,2，李海岩 1,2，贺丽娟 1,2，吕文乐 1,2 — 2025年04月20 00:00

汽车发生正面碰撞时若安全气囊非正常点爆会对非标准驾驶姿态驾驶员的上肢造成损伤，采用有限元仿真是评估此类损伤的有效方法。本研究建立了具有详细解剖学结构的中国体征95th百分位人体上肢生物力学有限元模型，通过重构尸体前臂和安全气囊的碰撞试验，验证所构建上肢-安全气囊碰撞系统有限元模型的有效性。基于所构建的有限元模型，通过改变安全气囊质量速率参数、上肢抓握角度和握力，探究驾驶员上肢在与安全气囊发生正面碰撞中这些因素对上肢损伤的影响。结果表明，安全气囊质量速率参数、上肢抓握角度和握力的变化均会对上肢的损伤情况产生重要影响，在汽车碰撞损伤评估中应对这些因素加以考虑。

基于机器学习评估曲妥珠单抗耐药相关基因在胃癌中的诊断和预后效能

刘涛 1，李桐桐 1，余春燕 1，黄翌楚 1，姜雷 2 — 2025年04月20 00:00

目的：利用机器学习算法探索曲妥珠单抗耐药与敏感相关基因在胃癌中的诊断和预后效能。方法：从GEO数据库中下载耐药和敏感基因数据，进行功能富集分析。利用TCGA数据以及GEO数据进行交集分析，筛选出与胃癌耐药相关的特征基因。采用LASSO以及SVM-RFE方法进行特征基因的筛选。在测试组和验证组中评估特征基因的表达情况，并通过受试者工作特征曲线分析这些基因的诊断价值。利用在线数据库分析SH3GL2的预后价值，进一步探讨其在胃癌患者生存期中的作用；采用CIBERSORT算法评估SH3GL2与胃癌免疫细胞浸润的关系，分析其对免疫微环境的影响。结果：得到15个耐药相关基因，基于机器学习筛选出12个与胃癌相关的诊断生物标志物，包括MMP7、COCH、VCAN、SH3GL2、SYNM、KLK6、STC2、PPP1R1B、CDH3、WNT11、PMEPA1和BCAT1。SH3GL2在测试组和验证组中均表现为低表达，其高表达与胃癌的较差预后相关（P<0.01）。SH3GL2的表达水平与多种免疫细胞（激活的CD8+ T细胞、激活的DC细胞）相关，与免疫抑制因子（如TGFB1、VTCN1）呈正相关，与免疫刺激因子（如CD70、CD80）呈负相关。结论：12个筛选出的特征基因可能成为胃癌的潜在诊断生物标志物。SH3GL2在胃癌中低表达，其高表达可能通过抑制抗肿瘤免疫以缩短胃癌患者的生存期。

基于深度学习的痰湿体质高血压舌象识别

朱倩倩 1，王澜 1，姜楠 1，董昌武 2 — 2025年04月20 00:00

目的：使用深度学习语义分割模型及残差神经网络模型对痰湿体质人群是否患有高血压病进行舌象的客观化识别分析，推动舌象研究的现代化进程，为中医临床决策提供更为客观、科学的依据。方法：首先使用LabelMe图像标签标注工具对547例受试者的舌象舌体区域进行划分标注，再使用U-Net分割算法进行舌体分割，将舌体从复杂的背景中单独分离出以便后续的分析。后续研究引入了ResNet-34、ResNet-50以及YOLOv5 3种深度学习模型，将痰湿体质高血压患者舌象和痰湿体质亚健康者舌象进行分类，构建分类模型，绘制混淆矩阵并计算F1值、准确率等对分类模型效果进行评价。结果：实验结果显示，3种模型在本次分类任务中均有较好的表现。ResNet-34模型F1值为91.46%，准确率为92.87%，精准率为90.48%，召回率为92.89%。ResNet-50模型总体上更优，F1值为92.08%，准确率为93.05%，精准率为95.26%，召回率为89.11%。YOLOv5模型总体准确率为85.6%，在痰湿体质高血压患者和痰湿体质亚健康者两个类别上，分别取得了85.3% 和 85.7% 的准确率。结论：ResNet-34、ResNet-50、YOLOv5 在本次分类任务中均表现优异，以 ResNet-50 最佳。证明了深度学习模型可以较好地完成舌象的分类识别任务，体现了深度学习技术在中医舌诊自动化分类中的巨大潜力，也为中医诊断的现代化、客观化提供了有力的技术支撑。

基于YOLOv8m的改进腕部X光片骨折检测算法

彭志博，陈勇，崔艳荣 — 2025年04月20 00:00

目前腕部X光片的骨折检测存在误诊率高、医疗资源不足等问题。为了辅助医生进行骨折诊断，提出了一种基于YOLOv8m的X光片骨折检测方法。首先引入可分离大核注意力机制来提取重要特征信息，抑制不显著特征信息；然后将残差块融入注意力机制，增强注意力机制的作用，增加模型的泛化能力；最后将可切换空洞卷积与C2f模块结合，增加模型的感受野，捕捉不同尺寸的特征信息。实验结果表明，与先进的YOLOv8l改进模型相比，本文模型mAP50提高了1.3%，由于使用了规格更小的YOLOv8m为基础模型，参数量降低了14.3%，浮点运算次数降低了42.7%。此模型能够辅助放射科医生进行腕部X光片的骨折诊断。

基于机器学习的胃间质瘤内镜手术术后出血风险预测模型的构建与验证

刘罗杰 1，陈健 1，高福利 1，冯云赋 2，徐晓丹 1 — 2025年04月20 00:00

目的：探讨影响胃间质瘤（gGIST）内镜手术术后出血的危险因素，并应用4种不同机器学习算法构建预测模型，以期准确预测gGIST内镜手术术后出血风险。方法：收集gGIST患者资料，以8：2的比例将研究对象随机分配到训练队列（n=502）和验证队列（n=130）。在训练队列中，应用合成少数类过采样技术（SMOTE）中的变体SMOTE-NC进行过采样。利用梯度提升机（GBM）、深度学习、广义线性模型和分布式随机森林4种机器学习算法构建预测模型。采用最小绝对值收缩和选择算子筛选变量，构建传统逻辑回归（LR）模型。通过计算受试者工作特征曲线下面积（AUC）、灵敏度、特异度、准确度、阳性预测值和阴性预测值评估模型性能。对最优模型进行包括特征重要性、沙普利近似法（SHAP）和力图在内的可解释性分析，并开发一款可实际应用的网络应用程序。结果：在632例患者中，78例（12.3%）发生了术后出血。在验证队列中，对比5种预测模型，GBM模型表现最佳，其AUC值为0.889，95%CI为0.829~0.948，优于其他模型。变量重要性分析显示，术者经验、手术时间、术中大出血、肿瘤大小等因素对预测术后出血具有重要影响。SHAP图和力图展示了变量在二分类预测结果中的分布特征，以及各变量对预测结果的影响。结论：GBM模型对预测gGIST内镜术后出血具有较好的预测价值。同时，网络应用程序的构建方便了临床使用。