我们的网站为什么显示成这样?

可能因为您的浏览器不支持样式,您可以更新您的浏览器到最新版本,以获取对此功能的支持,访问下面的网站,获取关于浏览器的信息:

|本期目录/Table of Contents|

二维和三维MR纹理特征提取在脑肿瘤影像组学模型构建中的对比研究(PDF)

《实用放射学杂志》[ISSN:1002-1671/CN:61-1107/R]

期数:
2019年08期
页码:
1328-1331
栏目:
影像技术学
出版日期:
2019-08-20

文章信息/Info

Title:
Contrastive study of 2D and 3D MR texture features extraction in the radiomics model construction of cerebral tumor
作者:
赵海波1覃丽兰1铁超恩1林盛才2谢超贤1廖明壮1罗焕江1龙腾河1
1 广西医科大学第四附属医院 柳州市工人医院放射科,广西 柳州 545005; 2 广西医科大学第一附属医院放射科,广西 南宁 530000
Author(s):
-
关键词:
关键词:脑肿瘤纹理特征影像组学模型构建
分类号:
R739.41;R445.2
DOI:
-
文献标识码:
A
摘要:
摘要:目的 探讨脑肿瘤二维和三维纹理特征提取在影像组学模型构建中的影响,评价2种纹理特征提取的应用价值。 方法 回顾性收集50例脑肿瘤患者的MR图像和病理资料,对所有图像进行二维和三维纹理特征的提取和模型构建。所有步骤采用相同方法,模型采用朴素贝叶斯、支持向量机和K-近邻算法分别联合10折交叉验证进行构建,对比2种纹理特征提取对模型构建的影响。 结果 2种纹理特征提取方式在脑肿瘤影像组学研究中,二维和三维在朴素贝叶斯+10折交叉验证模型中的正确预测比例分别是74%、84%。在二维和三维的ROC曲线中,脑膜瘤的AUC分别为0.857、0.855,胶质瘤的AUC分别为0.868、0.874。二维和三维在支持向量机+10折交叉验证模型中的正确预测比例分别是88%、94%,在二维和三维的ROC曲线中,脑膜瘤的AUC分别为0.875、0.933,胶质瘤的AUC分别为0.875、0.933。二维和三维在K-近邻算法+10折交叉验证模型中的正确预测比例分别是82%、80%,在二维和三维的ROC曲线中,脑膜瘤的AUC分别为0.817、0.792,胶质瘤的AUC分别为0.817、0.792。 结论 支持向量机+10折交叉验证模型在脑肿瘤分类预测中准确率较高,脑膜瘤和胶质瘤的AUC较高;采用三维纹理特征进行模型构建更加准确,合理的影像组学模型构建在脑肿瘤分类预测研究中有重要价值。

参考文献/References

-

备注/Memo

备注/Memo:
-
更新日期/Last Update: 2019-08-20