典型文献
基于临床及CT影像组学特征预测肺腺癌结节
文献摘要：
目的:探讨基于临床及影像组学特征构建机器学习模型对预测肺腺癌结节的准确性.方法:回顾性收集186例病理类型明确的肺结节患者,按病理类型分为腺体前驱病变组与腺癌组,按照7:3比例将其分为训练集和测试集.采用3D Slicer软件对病灶容积感兴趣区(ROI)进行逐层手动勾画,通过Python软件提取影像组学特征.提取临床特征,包括人口统计学特征、临床表现、肿瘤标志物及CT影像学语义特征.选用单因素分析、最小绝对收缩和选择算子(LASSO)和逐步logistic回归分析进行特征筛选.在训练集中分别构建基于影像组学特征(模型1)及临床与影像组学特征相结合(模型2)的随机森林(LR)肺腺癌结节预测模型.通过ROC曲线及计算曲线下面积(AUC)对模型进行验证.结果:训练集130例,测试集56例.提取影像组学特征和临床特征数量分别为688个和25个.经特征筛选,共保留11个影像组学特征.临床特征中年龄、结节成分、结节最大径在训练集中组间差异显著(P<0.05).训练集中模型1和模型2的AUC分别为0.991和0.960;测试集中模型1和模型2的AUC分别为0.913和0.884,准确率分别为0.875和0.839,精确度分别为0.872和0.824,召回率分别为0.976和1.0,F1分数为0.921和0.903.结论:基于临床及CT影像组学特征构建的RF模型能够准确预测肺腺癌结节.
文献关键词：
影像组学;腺癌;机器学习;肺结节;计算机体层成像
中图分类号：
作者姓名：
刘巧;曾燕;刘博;王毅;李晓凤;周代全
作者机构：
重庆医科大学附属第三医院放射科
文献出处：
引用格式：
[1]刘巧;曾燕;刘博;王毅;李晓凤;周代全-.基于临床及CT影像组学特征预测肺腺癌结节)[J].中国医学计算机成像杂志,2022(03):245-250
A类：
B类：
基于临床,影像组学特征,特征预测,肺腺癌结节,特征构建,机器学习模型,病理类型,肺结节,腺体,前驱,训练集,测试集,Slicer,感兴趣区,ROI,逐层,手动勾画,Python,人口统计学特征,肿瘤标志物,语义特征,最小绝对收缩和选择算子,LASSO,logistic,特征筛选,LR,特征数,共保,结节最大径,召回率,RF,准确预测,计算机体层成像
AB值：
0.244278
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。
