典型文献
前列腺增强磁共振成像肿瘤的影像组学良恶性自动判别算法
文献摘要：
目的:运用放射组学从前列腺肿瘤磁共振增强图像中提取高通量的病灶纹理特征,结合套索算法(LASSO)回归算法进行特征筛选,利用筛选的纹理特征建立前列腺增强磁共振分类模型来自动检测前列腺癌.方法:回顾性分析经3.0 T磁共振成像(MRI)增强扫描的前列腺肿瘤患者118例,经病理证实前列腺癌63例,前列腺良性肿瘤55例,增强图像在ITK-SNAP 3.6.0上进行手工分割.使用A.K.软件对前列腺良恶性肿瘤总共118个纹理特征进行定量分析,去除相关系数大于0.9的特征以消除重复冗余.用最大相关和最小冗余(mRMR)以及LASSO两种特征选择方法来选择训练队列中最有用的预测特征,使用LASSO回归建立基于前列腺增强MRI肿瘤内基质和肿瘤内基质包含外周组织的两个良恶性自动检测模型.通过受试者工作特征曲线(ROC)和Delong检验曲线分析和评价模型的性能.结果:测试组的肿瘤内基质组模型曲线下面积(AUC)为0.819,肿瘤基质及外周组模型AUC为0.865.当预测得分阈值为0.5时,肿瘤内基质组模型、肿瘤基质及外周组模型的灵敏度分别为0.750和0.776,特异度分别为0.875和0.912,准确度为0.823和0.862.对两组ROC曲线进行Delong检验,P=0.0134.结论:基于磁共振增强图像的放射组学模型结合LASSO算法自动检测前列腺癌,表现出较高的性能.前列腺肿瘤基质及外周组的性能显著优于肿瘤内基质组.
文献关键词：
前列腺癌;放射组学;磁共振成像增强扫描
中图分类号：
作者姓名：
郭颖颖;王毅;李远哲;赖清泉;黄婧
作者机构：
福建医科大学附属第二医院,福建泉州362000
文献出处：
引用格式：
[1]郭颖颖;王毅;李远哲;赖清泉;黄婧-.前列腺增强磁共振成像肿瘤的影像组学良恶性自动判别算法)[J].深圳中西医结合杂志,2022(20):9-12,后插1-后插2
A类：
B类：
增强磁共振成像,影像组学,良恶性,放射组学,从前,前列腺肿瘤,增强图像,纹理特征,套索算法,LASSO,回归算法,特征筛选,分类模型,自动检测,前列腺癌,肿瘤患者,良性肿瘤,ITK,SNAP,工分,总共,mRMR,特征选择,选择方法,训练队,肿瘤内,检测模型,受试者工作特征曲线,Delong,磁共振成像增强扫描
AB值：
0.233255
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
