針對肺癌臨床診斷中缺乏定量評估方法等問題,本研究采用影像組學(xué)方法構(gòu)建基于支持向量機(jī)(SVM)的肺腫瘤良惡性分類預(yù)測模型。首先介紹了影像組學(xué)的定義、處理流程。實驗樣本選自公開數(shù)據(jù)集LIDC上的816例肺癌患者的CT影像數(shù)據(jù)。先采用中心池化卷積神經(jīng)網(wǎng)絡(luò)分割法提取感興趣區(qū)(ROI),然后分別采用影像組學(xué)特征提取包Pyradiomics和FSelector特征篩選模型進(jìn)行特征提取和特征降維,最后通過SVM構(gòu)建肺腫瘤良惡性分類預(yù)測模型。模型對大于5 mm肺小結(jié)節(jié)的良惡性分類的預(yù)測準(zhǔn)確率為80.4%,曲線下面積(AUC)的值為0.792,表明SVM分類器模型可以準(zhǔn)確地判別大于5 mm的肺小結(jié)節(jié)的良惡性。

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 影像組學(xué)概述
    1.1 定義
    1.2 處理流程
2 肺腫瘤良惡性診斷
    2.1 數(shù)據(jù)獲取及預(yù)處理
    2.2 圖像分割
    2.3 特征提取和特征降維
    2.4 模型構(gòu)建
    2.5 模型驗證
3 結(jié)束語



本文編號：4038210