典型文献
增强CT影像组学在鉴别硬化性肺细胞瘤与球形肺癌中的价值
文献摘要：
目的 探讨基于机器学习的增强CT影像组学模型对硬化性肺细胞瘤与球形肺癌的鉴别诊断价值.方法 回顾性分析57例硬化性肺细胞瘤及80例球形肺癌患者临床及CT图像资料.在增强CT图像中分割肿瘤区域以及肿瘤周围2 mm区域.使用"uAI科研平台"提取影像组学特征,Lasso回归进行特征筛选.结合临床及影像危险因素构建逻辑回归预测模型,受试者工作特征(ROC)曲线评价效能.结果 经Lasso回归获得6个影像组学特征,多因素Logistic回归分析得到3个独立临床影像危险因素.建立的影像组学模型和临床影像组学联合模型的曲线下面积(AUC)分别为0.945和0.962.临床影像组学联合模型诊断效能高于单纯影像组学模型(P<0.05).结论 增强CT影像组学模型鉴别硬化性肺细胞瘤和球形肺癌中显示出良好的性能,在与临床影像危险因素结合后模型鉴别诊断效能显著提升.
文献关键词：
影像组学;计算机体层成像;硬化性肺细胞瘤
中图分类号：
作者姓名：
侯承师;陈俊飞;刘金韵;黄京城;胡景卉;吴晶涛;陈磊;潘先攀;罗先富
作者机构：
大连医科大学,辽宁 大连 116044;苏北人民医院医学影像科,江苏 扬州 225001;扬州大学医学院,江苏 扬州 225001;上海联影智能医疗科技有限公司,上海 200232
文献出处：
引用格式：
[1]侯承师;陈俊飞;刘金韵;黄京城;胡景卉;吴晶涛;陈磊;潘先攀;罗先富-.增强CT影像组学在鉴别硬化性肺细胞瘤与球形肺癌中的价值)[J].实用放射学杂志,2022(07):1088-1091
A类：
uAI
B类：
硬化性肺细胞瘤,基于机器学习,鉴别诊断价值,肺癌患者,图像资料,肿瘤区,瘤周,科研平台,影像组学特征,Lasso,特征筛选,结合临床,构建逻辑,逻辑回归,回归预测模型,受试者工作特征,评价效能,学联,联合模型,诊断效能,计算机体层成像
AB值：
0.232371
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。
