CT纹理组学联合机器学习预测肺腺癌淋巴结转移

发布时间：2025-01-18 19:58

　　 目的基于胸部CT增强图像,进行纹理分析技术预测肺腺癌患者淋巴结转移的可行性研究。方法回顾性分析60例行术前常规胸部CT增强检查,并于2周内进行手术切除及系统性淋巴结清扫术,经病理证实的肺腺癌。根据术后病理将其分为两组,无淋巴结转移者25例及有淋巴结转移者35例。选取癌灶最大单幅层面,基于Mazda软件勾画感兴趣区。利用Fisher系数提取、交互信息提取(MI)、分类错误联合平均相关系数提取(POE+ACC)、三者联合提取(FPM)及1-NN最近邻算法,联合B11软件包提供的原始数据分析(RDA)、主要成分分析(PCA)、线性分类分析(LDA)及非线性分类分析(NDA)4种机器学习算法进行分析,结果以正确率显示。选取在5种提取方法中出现3次或3次以上的纹理参数行差异性检验,绘制受试者工作特征曲线(ROC),计算曲线下面积(AUC)。结果 RDA、PCA、LDA、NDA算法的正确率范围分别为:71.67%～91.67%、66.67%～91.67%、68.33%～86.68%、88.33%～93.33%,其中NDA正确率最高。并且MI及FPM提取特征参数的NDA分析法正确率最高,达到93.3...

【文章页数】：5 页

【部分图文】：

图1 肺腺癌淋巴结转移纹理特征参数聚类分析热图 图2 各参数ROC比较图,其中S(0,1)DifEntrp诊断效能最好,AUC值达0.840

目前,常规CT胸部检查是中国肺腺癌患者术前非侵入性检查的主要方法,多数研究将淋巴结的大小作为判断恶性程度的唯一标准,但准确性仍达不到预期要求[7]。近年来,纹理分析越来越多地应用到医学影像组学研究中。该技术可提取人眼无法识别的微观纹理信息,反映病灶异质性,达到疾病的定量诊断、分级....

本文编号：4028922