本研究旨在利用CT平扫图像放射组学特征鉴别非小细胞肺癌与肉芽肿的能力。
本研究共纳入了290例患者的CT平扫图像。收集每例患者结节的组织学分析结果。由放射科医生对感兴趣结节在轴位CT图像上进行手动标记。在结节内和结节旁区域的结节性质、小波和基于纹理的特征。将145例患者图像征象训练机器学习分类器。在145例测试组患者中,比较分类器结果与卷积神经网络(CNN)和两名放射科医生的诊断结果。
结果为,辅助矢量机器分类器联合结节内放射组学特征在测试组的ROC曲线下面积为0.75。
联合结节内和结节旁放射组学特征将AUC提高到0.80。在相同测试组,CNN的AUC为0.76。两位放射科医生的AUC分别为0.61、0.60。
本研究表明,CT平扫肺结节内和结节旁放射组学征象有助于鉴别非小细胞肺癌和肉芽肿性病变。
原始出处:
Beig N, Khorrami M, Alilou M,et al.Perinodular and Intranodular Radiomic Features on Lung CT Images Distinguish Adenocarcinomas from Granulomas.Radiology.DOI:10.1148/radiol.2018180910
copyright©金宝搏网站登录技巧 版权所有,未经许可不得复制、转载或镜像
京ICP证120392号 京公网安备110105007198 京ICP备10215607号-1 (京)网药械信息备字(2022)第00160号