魏然 1,2 , 林侃如 3 , 郭翌 1,2 , 李骥 3 , 汪源源 1,2
  • 1. 复旦大学 电子工程系(上海 200433);
  • 2. 上海市医学图像处理与计算机辅助手术重点实验室(上海 200433);
  • 3. 复旦大学附属华山医院 胰腺外科(上海 200040);
导出 下载 收藏 扫码 引用

本文基于影像组学预测胰腺囊性肿瘤(PCN)的 Ki67 分子标记物表达情况。首先手动分割患者术前多排螺旋断层扫描(MDCT)图像中的肿瘤区域,然后根据肿瘤特点设计并提取 409 个高通量特征,再利用最小化的绝对收缩与选择算子(LASSO)回归模型进行多因素分析筛选特征,最后将筛选后的特征输入支持向量机(SVM)实现分类判别。通过重复 200 次 LASSO 筛选,记录每次被选择的特征,并将特征按照被选择的次数从高到低排序。使用十折交叉验证的 SVM,测试不同的特征数量下的分类效果,重复 200 次并将结果取平均值以降低误差。实验结果表明,被选择次数最多的前 20 个特征构成最优特征子集,预测的 AUC 达到 91.54%,准确率达到 85.29%,敏感度为 81.88%,特异性为 86.75%。实验结果证明了通过影像组学方法预测 Ki67 分子标记物的可行性。

  • 下一篇

    非线性气道分级呼吸力学模型及健康成人自主呼吸模拟