基于定量影像组学的肺肿瘤良恶性预测方法

摘要：

肺癌是世界范围内致死率最高的癌症之一,肺肿瘤的良恶性诊断对于治疗方式选择意义重大.本文借助影像组学(Radiomics) 方法利用LIDC (Lung imaging database consortium) 肺癌公开数据库中619例病人的肺癌计算机断层(Computed tomography,CT)影像数据,分割出病变区域,并结合肿瘤医学特性和临床认知,提取反映肿瘤形状大小、强度和纹理特性的60个定量影像特征,然后利用支持向量机(Support vector machine, SVM) 构建诊断肺肿瘤良恶性的预测模型,筛选出对诊断肺肿瘤良恶性有价值的20个影像组学特征.为肺肿瘤良恶性预测提供了一种非入侵的检测手段.随着CT影像在肺癌临床诊断中的广泛使用,应用样本量的不断增加,本文方法有望成为一种辅助诊断工具,有效提高临床肺肿瘤良恶性诊断准确率.

关键词：影像组学、肺癌、图像分割、特征提取、支持向量机

所属期刊栏目：43

分类号：R73;R44

资助基金：国家自然科学基金81227901,81527805,61231004,81501616,81301346,61672197;黑龙江省然科学基金F201311,12541105;中国科学院科技服务网络计划KFJ-SW-STS-160;中国科学院科研设备项目YZ201502资助Supported by National Natural Science Foundation of China81227901,81527805,61231004,81501616,81301346,61672197;Natural Science Foundation of Heilongjiang ProvinceF201311,12541105;Chinese Academy of Science Program of Scientific Service NetworkKFJ-SW-STS-160;Chinese Academy of Science Program of EquipmentYZ201502

在线出版日期：2018-01-24（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：2109-2114