典型文献
非小细胞肺癌淋巴结转移预测模型研究
文献摘要：
在非小细胞肺癌的治疗过程中,淋巴结转移状态是决定治疗方案的重要因素.为了辅助临床医生制定更精确的治疗方案,开发并验证了一种基于CT影像组学非小细胞肺癌淋巴结转移的预测模型.从TCIA数据库的NSCLC-Radiogenomics公共数据集中选取了134例符合试验要求的患者数据,然后从每例患者的CT影像数据中提取了1648个特征,并用特征优化方法进行特征降维和选择,然后用朴素贝叶斯、线性判别分析、支持向量机和高斯过程5种机器学习方法建立预测模型,最后使用上海市胸科医院收集的44例患者数据进行外部验证.其中,最优淋巴结转移预测模型在训练集和测试集上准确率分别为0.802和0.795,AUC值分别为0.852和0.810.试验结果表明,所提出的预测模型分类性能良好,可以辅助医生更准确地评估淋巴结转移状态,从而制定出更精准的个性化治疗方案.
文献关键词：
非小细胞肺癌;影像组学;淋巴结转移;机器学习;预测模型
中图分类号：
作者姓名：
卢孔尧;黄钢;左艳
作者机构：
上海理工大学医疗器械与食品学院,上海200093;上海健康医学院附属嘉定中心医院上海市分子影像学重点实验室,上海201318
文献出处：
引用格式：
[1]卢孔尧;黄钢;左艳-.非小细胞肺癌淋巴结转移预测模型研究)[J].中国医学物理学杂志,2022(02):182-187
A类：
Radiogenomics
B类：
非小细胞肺癌,淋巴结转移,转移预测,治疗过程,转移状态,临床医生,影像组学,TCIA,NSCLC,公共数据,试验要求,患者数据,影像数据,特征优化,特征降维,朴素贝叶斯,线性判别分析,高斯过程,机器学习方法,胸科,外部验证,训练集,测试集,模型分类性能,个性化治疗方案
AB值：
0.248971
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。
