基于补丁的纹理特征提取,以提高临床任务性能
Tao Lian1,2,3, Chunyan Deng1, Qianjin Feng1,2,3
1School of Biomedical Engineering, Southern Medical University, Guangzhou 510515, China.
Bioengineering (Basel, Switzerland)
|April 26, 2025
概括
新的基于3D贴片的纹理功能通过捕捉医疗图像中的空间异质性来改善癌症预测. 这些放射性特征提高了预测乳腺癌转移和宫癌亚型的准确性.
科学领域:
- 医学成像分析 医学成像分析
- 无线电学 (Radiomics) 是一种无线电学.
- 计算病理学计算病理学
背景情况:
- 纹理特征对于医学图像分析至关重要,在深度学习中提供可解释性.
- 传统的纹理特征缺乏捕捉组织体积之间的空间异质性的能力.
研究的目的:
- 为增强医疗图像分析引入新的基于3D补丁的纹理功能.
- 开发一个放射学框架来验证这些新功能的有效性.
主要方法:
- 利用多尺度的3D补丁和k-means集群来创建补丁模式.
- 基于纹理特征提取模式标签的分离多分辨率图像.
- 量化了补丁之间的空间异质性,并评估了25个特征选择/分类器模型.
主要成果:
- 在乳腺癌淋巴结转移预测中达到0.76的AUC.
- 在宫癌组织学亚型预测方面达到0.94的AUC.
- 性能优于传统的纹理特征 (AUC分别为0.74和0.83).
结论:
- 拟议的基于3D补丁的纹理功能可以有效地捕捉多尺度,补丁级纹理表示.
- 这些特性增强了成像生物标志物的应用,以精确预测癌症.
- 通过提高诊断准确度,有可能改善个性化治疗干预措施.
