基于放射组学特征的胃肠道间质瘤的分类预测

摘要：

胃肠道间质瘤(GastroIntestinal Stromal Tumors,GIST)是常见的胃肠道肿瘤,具有非定向分化特征,缺乏特异性,且具有恶性潜能,所以GIST的良恶性诊断是临床较为关注的问题.然而,病理活检及CT检查等临床鉴别手段在研究肿瘤异质性方面存在一定困难.文中提出一种基于CT图像提取大量量化的放射组学特征并利用SVM分类器对GIST良恶性进行分类预测的非侵入式方法.首先,应用放射组学方法对120个患有GIST的病人的CT图像肿瘤区域分别提取4个非纹理特征和43个纹理特征.然后,应用基于Relief F的前向选择算法进行特征选择,再用最佳特征子集训练得到的SVM分类器来对GIST良恶性进行分类预测.实验中,共有14个纹理特征入选最佳特征子集,且SVM分类模型对GIST良恶性分类的A UC、准确率、敏感性、特异性在训练集中分别为0.9949,0.9277,0.9537,0.9018;在测试集中分别为0.8524,0.8313,0.8197,0.8420.该方法以放射组学的研究方法建立的模型,为GIST良恶性预测提供了一种非入侵式的检测手段,有望成为一种辅助诊断工具,以提高临床GIST良恶性诊断的准确率.

关键词：胃肠道间质瘤、放射组学、特征选择、支持向量机

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：广东省自然科学基金2014A030313316,2016A030313574

在线出版日期：2019-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：285-290