典型文献
联合CT影像组学与深度学习特征建立列线图预测肺腺癌表皮生长因子受体突变
文献摘要：
目的 探讨基于CT影像组学与深度学习特征对肺腺癌表皮生长因子受体(EGFR)突变的预测价值.方法 回顾性分析228例肺腺癌患者的临床及影像资料.从常规CT图像中分别提取患者的影像组学特征和深度学习特征.通过最小绝对收缩和选择算子(LASSO)方法分别对影像组学特征和深度学习特征进行降维并计算得到影像组学得分(Radscore)和深度学习得分(Deepscore).采用多因素Logistic回归分析建立预测模型并绘制列线图,并对列线图的校准度、诊断效能和临床价值进行评价.结果 多因素Logistic回归结果显示Radscore、Deepscore、性别、吸烟状态和胸膜凹陷征为独立预测因子.联合预测模型在训练集和验证集中曲线下面积(AUC)分别为0.913、0.794.决策曲线分析(DCA)表明,列线图在0.15～0.75和0.81～0.99阈值范围时具有较好的临床应用潜力.结论 影像组学特征联合深度学习特征能够较好地预测肺腺癌EGFR基因突变,有望成为临床预测EGFR突变的一种新技术手段.
文献关键词：
影像组学;肺腺癌;表皮生长因子受体;深度学习;计算机体层成像
中图分类号：
作者姓名：
黄栎有;牛磊;徐璐;王延花;李辉;李智勇
作者机构：
徐州医科大学影像学院,江苏 徐州 221006;徐州医科大学附属宿迁医院肿瘤科,江苏 宿迁 223800;南京鼓楼医院集团宿迁医院肿瘤科,江苏 宿迁 223800;南京鼓楼医院集团宿迁医院放射科,江苏 宿迁 223800;徐州医科大学附属医院核医学科,江苏 徐州 221006
文献出处：
引用格式：
[1]黄栎有;牛磊;徐璐;王延花;李辉;李智勇-.联合CT影像组学与深度学习特征建立列线图预测肺腺癌表皮生长因子受体突变)[J].实用放射学杂志,2022(10):1598-1602,1632
A类：
Deepscore
B类：
深度学习特征,列线图,表皮生长因子受体突变,EGFR,预测价值,肺腺癌患者,影像资料,影像组学特征,最小绝对收缩和选择算子,LASSO,学得,Radscore,习得,校准度,诊断效能,临床价值,吸烟状态,胸膜凹陷征,预测因子,联合预测,训练集,验证集,决策曲线分析,DCA,阈值范围,特征联合,基因突变,临床预测,计算机体层成像
AB值：
0.248445
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。
