影像组学模型性能评估中固定比例数据拆分的陷阱与更优评估方法的意义

在过去十年，影像组学（Radiomics）发展迅猛，但影像组学模型的验证面临挑战。多数研究依赖单中心数据集固定比例拆分，数据拆分随机性会导致模型性能不稳定。研究人员应采用更稳健的交叉验证方法，而非仅用固定比例保留法，这对可靠评估影像组学模型性能意义重大。

　　在过去十年间，影像组学（Radiomics）呈指数级增长，PubMed 上有超过一万篇相关出版物，《腹部放射学（Abdominal Radiology）》等期刊上的相关研究也在稳步增加。尽管影像组学潜力巨大，但一个主要挑战在于影像组学模型的验证。因为大多数研究依赖单中心数据集，并采用固定比例拆分数据的方式，这种数据拆分的随机性会导致模型性能出现差异。所以，研究人员应采用更稳健的交叉验证方法，而不是仅仅依赖固定比例保留法，以此确保对影像组学模型性能进行稳健且可靠的评估。