影像组学在肺肿瘤良恶性分类预测中的应用研究
发布时间:2025-03-30 04:46
针对肺癌临床诊断中缺乏定量评估方法等问题,本研究采用影像组学方法构建基于支持向量机(SVM)的肺肿瘤良恶性分类预测模型。首先介绍了影像组学的定义、处理流程。实验样本选自公开数据集LIDC上的816例肺癌患者的CT影像数据。先采用中心池化卷积神经网络分割法提取感兴趣区(ROI),然后分别采用影像组学特征提取包Pyradiomics和FSelector特征筛选模型进行特征提取和特征降维,最后通过SVM构建肺肿瘤良恶性分类预测模型。模型对大于5 mm肺小结节的良恶性分类的预测准确率为80.4%,曲线下面积(AUC)的值为0.792,表明SVM分类器模型可以准确地判别大于5 mm的肺小结节的良恶性。
【文章页数】:5 页
【文章目录】:
0 引言
1 影像组学概述
1.1 定义
1.2 处理流程
2 肺肿瘤良恶性诊断
2.1 数据获取及预处理
2.2 图像分割
2.3 特征提取和特征降维
2.4 模型构建
2.5 模型验证
3 结束语
本文编号:4038210
【文章页数】:5 页
【文章目录】:
0 引言
1 影像组学概述
1.1 定义
1.2 处理流程
2 肺肿瘤良恶性诊断
2.1 数据获取及预处理
2.2 图像分割
2.3 特征提取和特征降维
2.4 模型构建
2.5 模型验证
3 结束语
本文编号:4038210
本文链接:https://www.wllwen.com/yixuelunwen/zlx/4038210.html
最近更新
教材专著