FAILED
首站-论文投稿智能助手
典型文献
基于轴位和矢状位T1WI增强图像影像组学模型术前预测脑膜瘤病理分级的初步研究
文献摘要:
目的建立基于轴位及矢状位T1WI增强图像的影像组学模型术前预测脑膜瘤病理分级,并测试其表现.材料与方法回顾性收集2017年1月至2020年12月病理诊断为脑膜瘤且符合纳入标准患者(132例)的MRI图像.使用图像分割软件ITK-SNAP勾画感兴趣区,再采用pyradiomics从中提取影像组学特征,将数据以8:2的比例分成训练集(105例)和测试集(27例).通过组内相关系数评估特征的可重复性,之后筛选特征,采用RBF核支持向量机算法构建模型.最后,使用测试集数据评估模型表现,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线.结果基于轴位和矢状位图像的综合模型表现优于其他单序列模型,各模型表现在应用少数类过采样技术(synthetic minority over-sampling technique,SMOTE)后均有不同程度的提升.应用SMOTE的综合模型测试表现最优,其ROC曲线下面积、敏感度、特异度、准确度分别为0.982、0.900、1.000和0.963.结论基于轴位和矢状位T1WI增强图像的影像组学模型有助于术前预测脑膜瘤病理分级.
文献关键词:
磁共振成像;影像组学;脑膜瘤;机器学习;病理分级
作者姓名:
杨椿雪;原梦;张金玲;王天佐
作者机构:
哈尔滨医科大学附属第二医院CT室,哈尔滨 150000;哈尔滨医科大学附属第六医院放射科,哈尔滨 150000
文献出处:
引用格式:
[1]杨椿雪;原梦;张金玲;王天佐-.基于轴位和矢状位T1WI增强图像影像组学模型术前预测脑膜瘤病理分级的初步研究)[J].磁共振成像,2022(02):6-9
A类:
B类:
轴位,矢状位,T1WI,增强图像,图像影像,术前预测,脑膜瘤,病理分级,材料与方法,病理诊断,纳入标准,图像分割,ITK,SNAP,勾画,感兴趣区,pyradiomics,影像组学特征,训练集,测试集,可重复性,RBF,核支持向量机,支持向量机算法,构建模型,数据评估,受试者工作特征,receiver,operating,characteristic,位图,综合模型,单序列,序列模型,少数类,过采样技术,synthetic,minority,over,sampling,technique,SMOTE,模型测试,试表,磁共振成像
AB值:
0.406777
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。