放射学中的可复制性:特征提取方法和两个独立数据集的比较
Hannah Mary T Thomas1, Helen Y C Wang2,3, Amal Joseph Varghese1
1Department of Radiation Oncology, Christian Medical College Vellore, Vellore 632004, Tamil Nadu, India.
Applied sciences (Basel, Switzerland)
|May 10, 2024
概括
这项研究评估了两个软件工具MATLAB和Pyradiomics之间的放射学 (放射学 + 放射学) 纹理特征的可复制性. 它确定了可重现的特征,这些特征对于可靠的治疗分层和医学成像中的结果预测至关重要.
科学领域:
- 医学成像分析 医学成像分析
- 放射学特征可复制性 放射学特征可复制性
- 计算病理学计算病理学
背景情况:
- 放射学提取了用于临床应用的定量成像特征.
- 放射学特征在研究中的可复制性是一个重大问题.
- 对特征提取方法的标准化验证对于临床转化至关重要.
研究的目的:
- 在 MATLAB 和 Pyradiomics 实现之间评估 CT 纹理特征的可重现性.
- 识别可在不同数据集和软件中重现的放射学特征.
- 为了验证评估放射学特征可重现性的方法.
主要方法:
- 从MATLAB和Pyradiomics中比较43个常见的放射学特征.
- 使用独立的CT数据集 (RIDER和HN1) 与总瘤体积 (GTV).
- 计算了斯皮尔曼等级相关系数 (rs),以评估特征等级排序的一致性.
主要成果:
- 在43个特征中,29个特征在MATLAB和Pyradiomics之间显示出高可重现性 (rs>0.8).
- 在肺癌和头癌数据集中,有18个特征是常见的,这表明潜在的位点不可知实用性.
- 该研究验证了一种强大的方法来评估放射学可重现性.
结论:
- 放射学特征的一个子集在常见的软件工具之间具有很高的可重现性.
- 可复制性是选择可靠的放射性特征用于临床使用的关键标准.
- 这些发现支持使用验证的,可重复的放射学特征用于治疗分层和结果预测.
