典型文献
基于影像组学和机器学习的脑部胶质瘤分级模型研究
文献摘要：
本文将影像组学的方法和机器学习算法结合起来,对脑部胶质瘤进行分级预测.利用BraTS2019公开数据集,从多模态MRI图像中分别提取肿瘤的448维影像组学特征:肿瘤形态学特征、一阶灰度特征、纹理特征等;然后通过最小绝对收缩和选择算子(Lasso)算法筛选出15个最佳的影像组学特征;最后根据筛选出的最佳特征集,利用随机森林分类算法构建脑部胶质瘤的分级预测模型.基于机器学习建立的模型在训练组患者中预测胶质瘤级别的准确率达到95.6％,ROC曲线下面积(AUC)达到0.99;在验证组患者中预测胶质瘤级别的准确率达到89.3％,AUC达到0.96.可见,基于机器学习算法,利用影像组学的方法可以对脑部肿瘤的高低级别进行准确的预测和分类.
文献关键词：
肿瘤分级;影像组学;机器学习;随机森林
中图分类号：
作者姓名：
王俊秀
作者机构：
太原工业学院,山西 太原 030008
文献出处：
引用格式：
[1]王俊秀-.基于影像组学和机器学习的脑部胶质瘤分级模型研究)[J].软件工程,2022(02):22-25
A类：
B类：
脑部胶质瘤,胶质瘤分级,分级模型,和机器学习算法,BraTS2019,公开数据集,影像组学特征,形态学特征,灰度特征,纹理特征,最小绝对收缩和选择算子,Lasso,征集,随机森林分类,分类算法,分级预测模型,基于机器学习,训练组,脑部肿瘤,低级,肿瘤分级
AB值：
0.291851
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。
