通过对多切片计算机断层扫描图像的纹理分析来区分根细胞囊和根细胞颗粒瘤
Supasith Yomtako1,2, Hiroshi Watanabe1, Ami Kuribayashi1
1Department of Dental Radiology and Radiation Oncology, Graduate School of Medical and Dental Sciences, Tokyo Medical and Dental University, Tokyo 113-8549, Japan.
Dento maxillo facial radiology
|April 2, 2024
概括
多切片计算机断层扫描 (CT) 图像的纹理分析 (TA) 可以区分根细胞囊和颗粒瘤. 基于TA的机器学习模型显示出高的辨别能力,优于传统的X光学发现.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 区分根性囊和颗粒瘤对于适当的治疗至关重要.
- 传统方法依赖于临床和放射学发现,这些发现可能含糊不清.
研究的目的:
- 开发和验证一种纹理分析 (TA) 方法,用于使用多切片计算机断层扫描 (CT) 图像来区分根细胞囊和颗粒瘤.
- 将基于TA的机器学习模型的诊断性能与传统的放射性评估进行比较.
主要方法:
- 从多切片CT图像中对131个病理诊断的病变 (28根囊,103颗粒瘤) 进行了回顾性分析.
- 使用Pyradiomics软件从2mm切片厚度图像中提取纹理特征.
- 机器学习模型 (支持向量机,决策树) 被训练并验证,以根据纹理特征区分病变类型.
主要成果:
- 确定了43个重要的纹理特征.
- 机器学习模型在培训组中实现了高分辨能力 (SVM的AUC为0.829,决策树为0.803).
- 经过验证的模型在验证组中表现良好 (SVM的AUC为0.727,决策树为0.701),表现优于X光学发现.
结论:
- 对CT图像的纹理分析提供了一种强大的方法来区分根性囊和颗粒瘤.
- 结合TA的机器学习模型有望提高区分这些病变的诊断准确性.
