基于集群突出和后面概率的智能肺癌MRI预测分析,使用智能贝叶斯方法在提取的灰色水平共发生 (GLCM) 特性上进行预测
Jing Yang1, Por Lip Yee1, Abdullah Ayub Khan2
1Faculty of Computer Science and Information Technology, Universiti Malaya, Kuala Lumpur, Malaysia.
Digital health
|May 31, 2023
概括
这项研究通过分析灰色水平共发生矩阵 (GLCM) 特性来提高肺癌预测. 它通过使用先进的统计方法确定了改善诊断和预后的关键指标.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 肺癌是全球癌症死亡的主要原因之一.
- 准确的预测和诊断仍然具有挑战性.
- 需要自动化工具来改善肺癌检测.
研究的目的:
- 分析灰色层次共发生矩阵 (GLCM) 特征之间的网络关联,用于肺癌预测.
- 使用统计方法对GLCM特征进行排名.
- 确定改善诊断和预后的关键特征.
主要方法:
- 对GLCM特征进行详细的后方概率分析.
- 使用t-test.com进行特征排名.
- 使用相互信息进行网络关联分析.
- 确定集群突出作为目标节点.
主要成果:
- 集群突出在状态 ≤330.85 实现了100%的ROC指数.
- 相对基尼指数达到99.98%和100%.
- 该方法揭示了GLCM特征中的隐藏动态.
结论:
- 拟议的方法为肺癌诊断和预后提供了一个强大的方法.
- GLCM特征分析为癌症动态提供了宝贵的见解.
- 对GLCM特征的自动分析可以显著提高预测准确性.
