背景與目的:基于CT圖像特征對(duì)非小細(xì)胞肺癌(non-small cell lung cancer,NSCLC)患者的復(fù)發(fā)相關(guān)性因素進(jìn)行探究。方法:選用NSCLC-Radiogenomics數(shù)據(jù)庫(kù)中的157組數(shù)據(jù)。首先,對(duì)肺部腫瘤及其圖像特征進(jìn)行提取;然后,使用獨(dú)立樣本t檢驗(yàn)對(duì)特征數(shù)據(jù)進(jìn)行單因素分析,使用logistic回歸模型進(jìn)行進(jìn)一步分析,得到NSCLC復(fù)發(fā)情況的顯著性相關(guān)因素;其次,使用Z-score標(biāo)準(zhǔn)化方法對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理,采用合成少數(shù)過采樣技術(shù)(synthetic minority oversamplingtechnique,SMOTE)算法對(duì)標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行平衡化操作;最后,利用隨機(jī)森林、K最鄰近算法(K-nearest neighbor,KNN)、支持向量機(jī)(supportvectormachine,SVM)、決策樹算法以及留一交叉驗(yàn)證方法訓(xùn)練分類器并檢驗(yàn)相關(guān)性因素對(duì)患者復(fù)發(fā)情況的預(yù)測(cè)能力。結(jié)果:獨(dú)立樣本t檢驗(yàn)分析結(jié)果顯示,Variance、Energy、Relative message、和熵以及Coarseness與NSCLC復(fù)發(fā)情況相關(guān)(P<0.05)。L...

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1 方法流程圖

首先，使用區(qū)域生長(zhǎng)法、數(shù)學(xué)形態(tài)學(xué)方法以及數(shù)據(jù)庫(kù)中提供的圖像數(shù)據(jù)提取患者圖像的感興趣區(qū)（regionofinterest,ROI）。然后，提取ROI的直方圖統(tǒng)計(jì)特征、形態(tài)學(xué)特征和紋理特征。接著，特征數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析得到NSCLC復(fù)發(fā)的顯著性相關(guān)因素。最后，使用合成少數(shù)過采樣技....

本文編號(hào)：4023460