發(fā)布時間：2023-11-17 18:55

　　目的探討基于影像組學特征構(gòu)建的機器學習模型鑒別表現(xiàn)為肺純磨玻璃結(jié)節(jié)的浸潤性腺癌與非浸潤性腺癌的可行性。方法回顧性分析經(jīng)手術(shù)病理證實的87例CT表現(xiàn)為純磨玻璃結(jié)節(jié)的肺腺癌患者,其中浸潤性腺癌32例,非浸潤性腺癌55例(原位癌17例,微浸潤性腺癌38例)。應(yīng)用ITK-SNAP軟件勾畫ROI,A.K.軟件提取影像組學特征。篩選有意義的特征參數(shù),以Spearman相關(guān)性分析和Lasso回歸分析進行特征降維。選取降維后的特征參數(shù),分別構(gòu)建支持向量機(SVM)、隨機森林(RF)及邏輯回歸(LR)3種機器學習模型,采用十折交叉驗證法得到最優(yōu)模型,繪制ROC曲線,評價3種模型的性能。結(jié)果共提取396個影像組學特征,通過特征篩選后最終得到19個影像組學特征。SVM、RF、LR 3種機器學習模型可有效鑒別浸潤性腺癌與非浸潤性腺癌,準確率分別為93.30%、86.70%和83.30%,AUC分別為0.94、0.92和0.83。結(jié)論基于影像組學特征構(gòu)建的機器學習模型有較好的分類性能,可于術(shù)前有效鑒別肺浸潤性腺癌與非浸潤性腺癌。

【文章頁數(shù)】：6 頁

【文章目錄】：
1 資料與方法
    1.1 一般資料
    1.2 儀器與方法
    1.3 數(shù)據(jù)預(yù)處理與特征提取
    1.4 特征篩選與統(tǒng)計學分析
2 結(jié)果
    2.1 特征參數(shù)
    2.2 診斷效能
3 討論



本文編號：3864697