典型文献
基于表观扩散系数影像组学在鉴别前列腺癌Gleason评分分级分组中的应用
文献摘要：
目的 探讨基于表观扩散系数(ADC)影像组学模型对前列腺癌(PCa) Gleason评分分级分组(GG)≤2与GG ＞2的鉴别诊断价值.方法 搜集符合入组标准的PCa患者行MR检查.提取PCa ADC影像组学特征,采用多种后处理方法,训练支持向量机(SVM)、线性判别分析(LDA)、自编码器(AE)、随机森林(RF)、逻辑回归(LR)、LR-Lasso、AB、决策树(DT)、高斯过程(GP)和朴素贝叶斯(NB)10个机器模型,分析鉴别GG≤2与GG ＞2最佳模型.结果 最佳后处理组合是经上采样平衡数据、Z-score归一化、主成分分析(PCA)降维和递归特征消除(RFE)特征选择组合后的AE模型机器学习,AE模型机器学习训练组准确率、曲线下面积(AUC)、敏感度及特异度分别65.0％、0.705、51.1％、82.9％;测试组准确率、AUC、敏感度及特异度分别88.2％、0.930、89.5％、86.7％.结论 AE模型机器学习鉴别GG≤2与GG ＞2效果最佳,进而对PCa的治疗方案及预后评估起到指导性作用.
文献关键词：
前列腺癌;Gleason评分分级分组;表观扩散系数;鉴别诊断
中图分类号：
作者姓名：
赵士玉;刘子桢;卢山;郭瑜;沈文
作者机构：
300134 天津医科大学朱宪彝纪念医院放射科、天津市内分泌研究所、国家卫健委激素与发育重点实验室、天津市代谢性疾病重点实验室;300192 天津市第一中心医院放射科
文献出处：
引用格式：
[1]赵士玉;刘子桢;卢山;郭瑜;沈文-.基于表观扩散系数影像组学在鉴别前列腺癌Gleason评分分级分组中的应用)[J].临床放射学杂志,2022(02):298-302
A类：
B类：
表观扩散系数,前列腺癌,Gleason,分级分组,ADC,PCa,GG,鉴别诊断价值,MR,影像组学特征,后处理方法,线性判别分析,LDA,自编码器,AE,逻辑回归,LR,Lasso,AB,决策树,DT,高斯过程,GP,朴素贝叶斯,NB,机器模型,分析鉴别,上采样,score,递归特征消除,RFE,特征选择,学习训练,训练组,预后评估
AB值：
0.310151
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。
