典型文献
基于CT影像的机器学习模型术前预测肝脏泡型包虫病边缘带浸润
文献摘要：
目的:基于机器学习的CT影像组学分析构建肝泡型棘球蚴病(HAE)边缘带浸润术前预测模型.方法:回顾性分析经病理确诊为HAE的92例患者,其中边缘带有浸润40例,边缘带无浸润52例,所有患者手术前均接受GE Discovery 750 HDCT扫描.从CT门脉期图像中逐层勾画病灶区域并提取影像组学特征,采用方差阈值法和SelectKBest法进行特征降维,并结合极限梯度增强树(XGBoost)机器学习分类器,对提取的特征进行统计建模.结果:共勾画92个VOI,每个VOI上提取了1409个影像组学特征,最终筛选出2个最优特征,分别为10 Percentile和Gray Level Non Uniformity,结合XGBoost分类器构建的模型具有良好预测能力,其中边缘带有浸润在训练集上AUC为0.94,测试集AUC为0.73.结论:本研究引入机器学习技术预测HAE边缘带浸润状态,结果提示其可作为一种新型无创术前预测方法,所提取的2个CT影像标志物构建的模型具有良好预测准确度,为HAE的精准诊疗提供了新的评价方法.
文献关键词：
肝泡型棘球蚴病;机器学习;影像组学;边缘带
中图分类号：
作者姓名：
许文瑶;张铁亮;夏雨薇;刘文亚
作者机构：
新疆医科大学第一附属医院影像中心;慧影医疗科技(北京)有限公司科研部
文献出处：
引用格式：
[1]许文瑶;张铁亮;夏雨薇;刘文亚-.基于CT影像的机器学习模型术前预测肝脏泡型包虫病边缘带浸润)[J].中国医学计算机成像杂志,2022(03):286-290
A类：
肝泡型棘球蚴病,HDCT
B类：
机器学习模型,包虫病,边缘带,基于机器学习,影像组学分析,HAE,术前预测模型,手术前,GE,Discovery,逐层,勾画,影像组学特征,阈值法,SelectKBest,特征降维,XGBoost,机器学习分类器,统计建模,VOI,优特,Percentile,Gray,Level,Non,Uniformity,预测能力,训练集,测试集,机器学习技术,技术预测,无创,创术,影像标志物,预测准确度,精准诊疗
AB值：
0.360708
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。
