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