本文選題：影像組學(xué) + 肺癌��； 參考：《自動化學(xué)報》2017年12期

【摘要】：肺癌是世界范圍內(nèi)致死率最高的癌癥之一,肺腫瘤的良惡性診斷對于治療方式選擇意義重大.本文借助影像組學(xué)(Radiomics)方法利用LIDC(Lung imaging database consortium)肺癌公開數(shù)據(jù)庫中619例病人的肺癌計算機斷層(Computed tomography,CT)影像數(shù)據(jù),分割出病變區(qū)域,并結(jié)合腫瘤醫(yī)學(xué)特性和臨床認(rèn)知,提取反映腫瘤形狀大小、強度和紋理特性的60個定量影像特征,然后利用支持向量機(Support vector machine,SVM)構(gòu)建診斷肺腫瘤良惡性的預(yù)測模型,篩選出對診斷肺腫瘤良惡性有價值的20個影像組學(xué)特征.為肺腫瘤良惡性預(yù)測提供了一種非入侵的檢測手段.隨著CT影像在肺癌臨床診斷中的廣泛使用,應(yīng)用樣本量的不斷增加,本文方法有望成為一種輔助診斷工具,有效提高臨床肺腫瘤良惡性診斷準(zhǔn)確率.
[Abstract]:Lung cancer is one of the most fatal cancers in the world. In this paper, by means of radiology), the computed tomographic CT images of 619 patients with lung cancer in the LIDC(Lung imaging database consortium) lung cancer open database were used to segment the lesion area, and combined with the characteristics of tumor medicine and clinical cognition. Sixty quantitative image features reflecting the shape, size, intensity and texture characteristics of lung tumors were extracted, and then a predictive model for the diagnosis of benign and malignant lung tumors was constructed by using support vector machine (SVM). Twenty imaging features were screened for diagnosis of benign and malignant lung tumors. It provides a non-invasive detection method for the prediction of benign and malignant lung tumors. With the extensive use of CT images in the clinical diagnosis of lung cancer and the increasing sample size, this method is expected to become an auxiliary diagnostic tool and to effectively improve the accuracy of diagnosis of benign and malignant lung tumors.
【作者單位】： 哈爾濱理工大學(xué)自動化學(xué)院;中國科學(xué)院自動化研究所;東北大學(xué)中荷生物醫(yī)學(xué)與信息工程學(xué)院;
【基金】：國家自然科學(xué)基金(81227901,81527805,61231004,81501616,81301346,61672197) 黑龍江省然科學(xué)基金(F201311,12541105) 中國科學(xué)院科技服務(wù)網(wǎng)絡(luò)計劃(KFJ-SW-STS-160);中國科學(xué)院科研設(shè)備項目(YZ201502)資助~~
【分類號】：R734.2;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 桂華;;怎樣識別腫瘤良惡性[J];百姓生活;2009年11期

2 王萬德,董曉明,蔣秀珍,赫慧,唐冀;核仁組成區(qū)相關(guān)嗜銀蛋白與腫瘤良惡性的關(guān)系[J];白求恩醫(yī)科大學(xué)學(xué)報;1998年02期

3 熊雅玲,孫利煒,趙萍;實時超聲對軟組織腫瘤良惡性的鑒別診斷[J];中國實驗診斷學(xué);1998年05期

4 草葉;PET:腫瘤良惡一看便知[J];醫(yī)藥與保健;2000年10期

5 劉敏;張輝;王效春;秦江波;王樂;張磊;吳曉峰;;ADC值鑒別軟組織腫瘤良惡性的價值[J];中國醫(yī)療前沿;2012年11期

6 王鳳蘭;寇世和;;超聲在鑒別卵巢腫瘤良惡性中的應(yīng)用現(xiàn)狀[J];中國誤診學(xué)雜志;2011年24期

7 陳應(yīng)泰;;PET-CT幫您判斷腫瘤良惡性[J];抗癌之窗;2012年03期

8 陳環(huán)球,曾志毅,沙允文,柯誠;非功能胰島細(xì)胞瘤(附四例報告)[J];實用癌癥雜志;1991年01期

9 徐曉紅,張青萍,高淑英,樂桂蓉;經(jīng)腹彩色多普勒鑒別卵巢腫瘤良惡性[J];中華超聲影像學(xué)雜志;1996年05期

10 哈章;李傳富;王金萍;周康源;楊振森;;基于灰階超聲序列圖像的乳腺腫瘤良惡性判別[J];中國醫(yī)療器械雜志;2008年03期

相關(guān)會議論文 前5條

1 張錦明;田嘉禾;姚樹林;郭U，

本文編號：1885177