典型文献
基于CT影像组学模型预测骨巨细胞瘤术后复发
文献摘要：
目的 探讨基于术前CT平扫影像组学特征模型预测骨巨细胞瘤3年内复发的价值.资料与方法 回顾性分析2007年2月—2018年5月北京大学人民医院经组织学证实的95例骨巨细胞瘤的临床及影像学资料,以3∶ 1随机分为训练组71例和测试组24例.基于术前CT平扫提取的影像组学特征,于训练组中使用最小绝对收缩与选择算子算法进行降维后建立预测骨巨细胞瘤手术后3年内复发的影像组学标签.使用Spearman相关分析算法、最小绝对收缩与选择算子回归及梯度提升迭代决策树进行特征降维.使用多变量Logistic回归及随机森林纳入影像组学标签构建影像组学模型预测骨巨细胞瘤复发;使用受试者工作特征曲线评估影像组学标签在训练组中的准确性,并通过验证组进行验证.结果 提取术前CT平扫图像,共提取12个与骨巨细胞瘤术后3年内复发相关的影像组学特征构成影像组学标签,使用Logistic回归显示在训练组和测试组中预测骨巨细胞瘤术后3年内复发的曲线下面积分别为0.962和0.924,使用随机森林训练组及测试组的曲线下面积分别为0.991和0.917.结论 基于术前CT影像组学模型作为非侵入性量化工具,预测骨巨细胞瘤复发具有良好的效能.
文献关键词：
骨巨细胞瘤;体层摄影术;X线计算机;影像组学;机器学习;病理学;外科
中图分类号：
作者姓名：
翟天童;尹平;孙超;洪楠
作者机构：
北京大学人民医院放射科,北京 100044
文献出处：
引用格式：
[1]翟天童;尹平;孙超;洪楠-.基于CT影像组学模型预测骨巨细胞瘤术后复发)[J].中国医学影像学杂志,2022(08):845-850
A类：
B类：
骨巨细胞瘤,术后复发,平扫,影像组学特征,特征模型,北京大学人民医院,训练组,选择算子,手术后,梯度提升迭代决策树,特征降维,多变量,受试者工作特征曲线,签在,共提取,非侵入性,体层摄影术,线计算
AB值：
0.147882
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。
