放射组学在肺癌诊断中的应用

摘要：目的：通过放射组学对肺癌病例进行定量特征提取, 优化选择, 然后通过机器学习方法实现肺癌病例讨论和分析.方法：通过公开数据库 LIDC 中提取 224 例和医院收集 250 例肺结节病例, 提取共 841 个放射组学特征; 对特征进行正态分析和方差齐性分析,双独立样本t检验进行降维; 其余采用秩和分析降维, 之后采取 Pearson 相关系数降维, 最后通过机器学习方法进行分类.结果： 来自 LIDC 数据库和来自医院的数据在基于随机森林的分类器中的结果分别为 AUC=0.6571、 ACC=76.26%, AUC=0.8667、ACC=76%;在基于支持向量机的分类器中的结果分别为 AUC=0.6429, ACC=76.37%, AUC=0.7733、ACC=72%. 结论：在肺癌良恶诊断鉴别中, 使用放射组学特征方法可以鉴别良恶性.基于纹理特征的计算机辅助诊断系统可以提高对此类结节的诊断效能.