通过对比增强CT放射学特征对结质瘤进行分类
Mohammad Maskani1, Samaneh Abbasi1, Hamidreza Etemad-Rezaee2
1Department of Medical Physics, Faculty of Medicine, Mashhad University of Medical Sciences, Mashhad, Iran.
Journal of biomedical physics & engineering
|April 17, 2024
概括
这项研究使用CT扫描的放射学分析来准确区分低级质瘤 (LGG) 和高级质瘤 (HGG). 机器学习模型实现了93.5%的准确性,有助于选择最佳的质瘤治疗方法.
科学领域:
- 神经瘤学神经瘤学
- 放射学 放射学是一门学科.
- 医学成像分析 医学成像分析
背景情况:
- 质瘤是常见的中枢神经系统 (CNS) 瘤,其中80%是恶性的.
- 质瘤的治疗策略取决于瘤的等级,大小,位置和患者的年龄.
研究的目的:
- 使用放射学分析量化质瘤.
- 使用机器学习将质瘤分为高级质瘤 (HGG) 或低级质瘤 (LGG).
- 为了利用对比增强的大脑计算机断层扫描 (CT) 扫描进行分类.
主要方法:
- 使用3D切片软件进行回顾性数据采集和细分.
- 提取 14 个形状, 18 个基于直方图的,和 75 个纹理特征.
- 使用机器学习算法进行分类,并通过曲线下的面积 (AUC) 和接收器操作特征 (ROC) 曲线进行评估.
主要成果:
- 在107个特征中,13个特征被选为差异化特征.
- 线性分辨分类器实现了93.5%的准确性,96.77%的灵敏性,90.3%的特异性和0.98 AUC.
- 证明了LGG和HGG之间的成功区分.
结论:
- 开发的基于放射学的方法准确地识别了LGG和HGG.
- 该方法实现了高性能指标 (93.5%准确率,0.98AUC).
- 这种方法可以指导质瘤患者的最佳治疗决策.
