典型文献
一种放射组学分析的海马硬化自动诊断方法
文献摘要：
为深入挖掘具有海马硬化病变表征能力的放射组学特征,提升海马硬化检测的精度,提出了一种结合放射组学分析的自动诊断方法,通过将放射组学特征与小波变换、高斯拉普拉斯算子滤波算法相结合,提取不同滤波图像中海马体感兴趣区域的放射组学特征并用于识别海马硬化,挖掘敏感度较高的放射组学特征.首先对受试样本的T1图像进行预处理和多种滤波处理,基于原始图像和滤波图像提取放射组学特征;然后依次使用双样本T检验、特征相关性分析法对放射组学特征降维;最后利用这些特征构建海马硬化的检测模型.实验结果显示,基于放射组学特征构建的海马硬化检测模型可以有效地辅助识别海马硬化病灶;用基于小波变换的方法提取放射组学特征能够使自动诊断模型的检测效果最优,在实际数据集上硬化海马的检出率可达到97.7％.
文献关键词：
放射组学;海马硬化;机器学习;小波变换
中图分类号：
作者姓名：
欧阳莫微;康桂霞;王开亮;王亚明
作者机构：
北京邮电大学 信息与通信工程学院,北京100876;首都医科大学 宣武医院,北京100053
文献出处：
引用格式：
[1]欧阳莫微;康桂霞;王开亮;王亚明-.一种放射组学分析的海马硬化自动诊断方法)[J].北京邮电大学学报,2022(04):51-57
A类：
B类：
放射组学,组学分析,海马硬化,自动诊断,表征能力,小波变换,斯拉,拉普拉斯算子,滤波算法,中海,海马体,感兴趣区域,滤波处理,原始图像,图像提取,相关性分析法,特征降维,特征构建,检测模型,于小波,诊断模型,检测效果,实际数据
AB值：
0.214334
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。
