典型文献
CT影像组学鉴别肺囊性包虫病与肺脓肿的价值
文献摘要：
目的 阐述CT影像组学无创分析方法在辨别肺囊型包虫病(CE)破裂与肺脓肿中的价值.方法 回顾性分析病理学证实为肺CE破裂患者40例(男25例,女15例),选取同期核查的肺脓肿患者80例(男44例,女36例),充分利用双盲法对CT图像展开观测与勾画;将病例按6∶2∶2随机分成训练集、验证集和测试集,选取4种不同的分类器(KNN、LR、RF和SVM)对筛选出的特点展开机器学习建模,通过ROC曲线下的总面积(AUC)、敏感度、特异度、准确率4个重要的指标来评价各个分类器所构建分析模型的效能.结果 从CT图像中一共筛选出1409个特征,选用Lasso算法降维之后,最后选取出19个最佳特征.SVM分析模型辨别肺CE破裂患者与肺脓肿效能最佳(AUC=0.832,95％CI=0625～0.952,敏感度=0.909,特异度=0.692).结论 利用CT影像组学筛选出有价值病灶的形状特征及纹理特征可以填补肉眼观察的不足,在破裂的肺CE与肺脓肿辨别中具有重要的实际意义.
文献关键词：
影像组学;肺囊型包虫;肺脓肿;形状特征
中图分类号：
作者姓名：
郁耀辉;刘文亚;赵圆;栗岩;刘倩;齐海成;辛娟;李杉;邢艳
作者机构：
830054乌鲁木齐,新疆医科大学第一附属医院影像中心省部共建中亚高发病成因与防治国家重点实验室
文献出处：
引用格式：
[1]郁耀辉;刘文亚;赵圆;栗岩;刘倩;齐海成;辛娟;李杉;邢艳-.CT影像组学鉴别肺囊性包虫病与肺脓肿的价值)[J].临床放射学杂志,2022(11):2041-2045
A类：
肺囊型包虫
B类：
影像组学,囊性,肺脓肿,无创,辨别,囊型包虫病,CE,核查,双盲法,勾画,训练集,验证集,测试集,分类器,KNN,LR,RF,开机,机器学习建模,总面积,构建分析,一共,Lasso,形状特征,纹理特征,肉眼,实际意义
AB值：
0.267406
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。
