基于卷积神经网络减小重建核函数对CT影像组学特征稳定性的影响

摘要：

目的 探讨通过卷积神经网络减小重建核函数对CT影像组学特征稳定性的影响.方法 采用 4 种不同核函数进行CT图像重建,设计影像组学处理流程完成特征提取,定量分析不同核函数对影像组学特征稳定性的影响.利用深度学习卷积神经网络对不同重建核CT图像进行转换.结果 以一致性相关系数(CCC)>0.85 为影像组学稳定的标准,符合标准的B70-fB70、B10-fB10 的CCC的特征数量占比高于B10-B70,B10-fB10 与B70-fB70 的均方差、平均绝对值误差均低于B10-B70,而B10-fB10 与B70-fB70 的峰值信噪比、结构相似性高于B10-B70.结论 通过卷积神经网络实现图像转换可提高影像组学特征稳定性,减小不同重建核函数产生的差异.

关键词：卷积神经网络、重建核函数、影像组学、特征稳定性

所属期刊栏目：36

分类号：R318(医用一般科学)

在线出版日期：2023-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：25-28