基于CT图像的深度学习模型鉴别良恶性肾肿瘤 |
| |
作者姓名: | 陈美容 周涛 陈炫幸 钟向阳 陈智慧 冯宝 陈业航 徐坤财 |
| |
作者单位: | 529000 广东江门,江门市中心医院放射科;529500 广东阳江,阳江市人民医院放射科;541000 广西桂林,桂林航天工业学院 |
| |
摘 要: | 目的:探讨基于CT图像的深度学习模型对肾脏良、恶性肿瘤的鉴别诊断价值。方法:回顾性搜集2008-2020年经病理证实且符合本研究要求的798位患者(共805例肾肿瘤)的临床和三期(平扫、皮髓质期和实质期)腹部CT影像资料。其中,来自本院的418例肾癌和78例肾良性肿瘤的资料用于建立影像组学模型和内部验证,来自另外两个研究中心和一个公共数据库(癌症医学图像数据库TCIA)的262例肾癌和47例肾良性肿瘤的资料作为独立外部验证集。使用ITK-SNAP3.6.0软件,在三期CT图像中选择肿瘤边缘显示较清楚的一期图像,选取肿瘤最大层面及其上、下相邻层面,沿病灶边缘手动勾画ROI,再通过软件的空间调整技术,使另外两期CT图像上肿瘤的边缘与勾画的ROI的边缘最大程度地拟合。使用ResNet50网络中的卷积核作为特征提取器,分别提取3期图像上肾肿瘤的影像组学特征,并采用Mann-Whitney U检验进行特征的筛选。对于同一肾肿瘤,分别建立基于单期和3期CT图像的深度学习模型,并对各模型的预测效能进行外部验证。随后,将训练集中良、恶性肿瘤组的样本数按3种比例(1∶1、1∶2、1∶3)进行设置,分别用...
|
关 键 词: | 肾肿瘤 深度学习 影像组学 体层摄影术 X线计算机 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《放射学实践》浏览原始摘要信息 |
|
点击此处可从《放射学实践》下载免费的PDF全文 |
|