背景與目的:基于CT圖像特征對非小細胞肺癌(non-small cell lung cancer,NSCLC)患者的復(fù)發(fā)相關(guān)性因素進行探究。方法:選用NSCLC-Radiogenomics數(shù)據(jù)庫中的157組數(shù)據(jù)。首先,對肺部腫瘤及其圖像特征進行提取;然后,使用獨立樣本t檢驗對特征數(shù)據(jù)進行單因素分析,使用logistic回歸模型進行進一步分析,得到NSCLC復(fù)發(fā)情況的顯著性相關(guān)因素;其次,使用Z-score標準化方法對數(shù)據(jù)進行標準化處理,采用合成少數(shù)過采樣技術(shù)(synthetic minority oversamplingtechnique,SMOTE)算法對標準化后的數(shù)據(jù)進行平衡化操作;最后,利用隨機森林、K最鄰近算法(K-nearest neighbor,KNN)、支持向量機(supportvectormachine,SVM)、決策樹算法以及留一交叉驗證方法訓(xùn)練分類器并檢驗相關(guān)性因素對患者復(fù)發(fā)情況的預(yù)測能力。結(jié)果:獨立樣本t檢驗分析結(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...

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1 方法流程圖

首先，使用區(qū)域生長法、數(shù)學(xué)形態(tài)學(xué)方法以及數(shù)據(jù)庫中提供的圖像數(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)計特征、形態(tài)學(xué)特征和紋理特征。接著，特征數(shù)據(jù)進行統(tǒng)計學(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：4023460