多相CT图像的波形放射学特征用于查肝细胞癌:分析和比较
Van Ha Tang1,2, Soan T M Duong3,4, Chanh D Tr Nguyen1,5
1VinBrain JSC., 458 Minh Khai, Hanoi, 11619, Vietnam.
Scientific reports
|November 10, 2023
概括
这项研究利用CT扫描的放射性特征增强了肝癌检测. 将波纹和原始CT数据结合起来,提高了分类准确性,即使训练样本有限,也优于深度学习模型.
科学领域:
- 医疗图像分析 医学图像分析
- 无线电学 (Radiomics) 是一种无线电学.
- 肝细胞癌 (HCC) 检测检测
背景情况:
- 早期发现肝脏恶性瘤对于患者的治疗结果至关重要.
- 对肝癌的医学图像分析面临着数据稀缺和有限的训练数据等挑战.
研究的目的:
- 调查多相CT的放射特征,以对HCC和其他肝病变进行分类.
- 为了应对基于放射学分类的有限培训样本的挑战.
主要方法:
- 使用波波变换和原始CT域提取放射学特征.
- 基于稀疏性的物流模型的开发,用于特征选择的贝叶斯优化.
- 拟议的放射学模型与基于深度卷积神经网络 (CNN) 的方法的比较.
主要成果:
- 结合波形变换和原始CT放射特征,显著提高了分类性能.
- 拟议的物流稀疏性模型识别了比现有方法更具歧视性的特征.
- 波束放射学模型在数据稀缺的情况下实现了与CNN模型相比或优于CNN模型的性能.
结论:
- 多域放射学特征组合对于肝损伤的分类是有效的.
- 拟议的特征选择模型对于不充分的培训数据场景是可靠的.
- 放射学提供了一个有希望的替代CNNs肝病变诊断有限的数据.
