特性规范化方法在放射学中的作用.
1Institute of Diagnostic and Interventional Radiology and Neuroradiology, University Hospital Essen, Hufelandstrasse 55, 45147, Essen, Germany. aydin.demircioglu@uk-essen.de.
Insights into imaging
|January 7, 2024
概括
放射学中的特征规范化影响预测性能和特征选择,z-score通常表现最好. 然而,最佳方法因数据集而异,使特征解释复杂化.
科学领域:
- 无线电学 (Radiomics) 是一种无线电学.
- 医学图像分析 医学图像分析
- 医疗保健中的机器学习
背景情况:
- 放射学利用从医学图像中提取的定量特征.
- 在放射学中应用了各种特征规范化技术,但其影响尚未完全理解.
- 了解正常化效应对于可靠的放射性模型开发至关重要.
研究的目的:
- 评估不同特征规范化方法对放射性模型性能的影响.
- 评估正常化如何影响特征选择和模型校准.
- 要确定在交叉验证之前的规范化是否引入了偏差.
主要方法:
- 在15个公共放射学数据集中比较了7种规范化方法.
- 使用了四个具有交叉验证的特征选择和分类算法.
- 曲线下的测量面积 (AUC),特征选择协议和模型校准.
- 通过交叉验证前规范化引入的评估偏差.
主要成果:
- 正常化方法显示AUC的平均差异较小,z-score表现最好.
- 在不同的数据集中观察到显著的性能差异.
- 方法之间的特征选择一致性很低 (≤62%).
- 在交叉验证之前的规范化没有引入显著的偏差.
结论:
- 特征规范化显著影响放射性模型性能和特征选择,具有数据集特定的影响.
- 选择规范化方法使特征解释变得复杂.
- 虽然z-score通常表现良好,但数据集的可变性需要仔细选择方法.
