基于影像组学的肺结节恶性程度预测

摘要：

目的:探讨基于影像组学的肺结节恶性程度预测.方法:对肺部图像影像数据库(The Lung Image Database Consortium,LIDC)-IDRI(Image Database Resource Initiative)中604例肺结节患者的CT图像进行分析,其中含肺结节的CT图像共2803幅,医师手工勾画肺结节轮廓.根据肺结节诊断标准,共提取96个灰度、形态和纹理高通量特征,输入基于随机森林的多类分类器进行恶性程度预测.恶性程度分为5级,以数字1~5表示.随机选取1000幅CT图像作为训练样本,剩余的1803幅CT图像作为测试样本,实验重复10次.结果:对于单个肺结节,5类恶性程度的平均预测准确率为77.85%.对于每一类预测,曲线下面积(area under curve,AUC)均在0.94以上.对于每例患者,肺结节恶性程度的预测准确率为75.16%.结论:该研究提出的基于影像组学的方法对肺结节恶性程度的预测性能良好,可为临床诊断提供可靠的辅助信息,以利于早期发现病灶.

关键词：肺结节、CT图像、随机森林、影像组学

所属期刊栏目：26

分类号：R445.3(诊断学)

在线出版日期：2017-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：97-101