基于影像组学的肺肿瘤良恶性预测

在线阅读 下载PDF 导出详情
摘要 目的使用影像组学方法构建一个影像组学标签分类模型,对肺肿瘤良恶性进行分类预测。方法分析四川大学华西医院80例怖肿瘤患者的CT影像学数据,分割肿瘤区域,提取肿瘤形状、大小、强化程度、纹理和小波变换共485个影像组学特征。利用Lasso算法筛选出与肿瘤良恶性鉴别最密切的组学特征,并使用Logistic回归构建诊断肿瘤良恶性的预测模型。采用受试者工作特征(receiveroperatingcharacteristic.ROC)曲线及其曲线下面积(areaundercurve,AUC)来评估该影像组学标签在训练集和验证集中的效能。结果选取3个影像组学特征构建出影像组学标签,具有很好的预测分类效果。训练集的AUC为0870(95%CI:0760-0978J,灵敏度为0.870,特异度为0.818;验证集的AUC为0.853(95%CI:0.717-0.989),灵敏度为0.882,特异度为0.778。结论随着CT在临床诊断中的广泛使用,真有望成为辅助检测肿瘤良恶性的非侵入手段。
机构地区 不详
出处 《肿瘤影像学》 2018年3期
出版日期 2018年03月13日(中国期刊网平台首次上网日期,不代表论文的发表时间)
  • 相关文献