基于定量影像组学的肺肿瘤良恶性预测方法

• 作者: 刘侠 宋江典 张利文 汪俊 田捷 臧亚丽 董迪
• 来源期刊: 自动化学报
• 关键词: 影像组学 肺癌 图像分割 特征提取 支持向量机
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 论文与报告
• 页码范围: 2109-2114
• 页数: 6页
• 字数: 5186字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c160264

摘要

肺癌是世界范围内致死率最高的癌症之一,肺肿瘤的良恶性诊断对于治疗方式选择意义重大.本文借助影像组学(Radiomics) 方法利用LIDC (Lung imaging database consortium) 肺癌公开数据库中619例病人的肺癌计算机断层(Computed tomography,CT)影像数据,分割出病变区域,并结合肿瘤医学特性和临床认知,提取反映肿瘤形状大小、强度和纹理特性的60个定量影像特征,然后利用支持向量机(Support vector machine, SVM) 构建诊断肺肿瘤良恶性的预测模型,筛选出对诊断肺肿瘤良恶性有价值的20个影像组学特征.为肺肿瘤良恶性预测提供了一种非入侵的检测手段.随着CT影像在肺癌临床诊断中的广泛使用,应用样本量的不断增加,本文方法有望成为一种辅助诊断工具,有效提高临床肺肿瘤良恶性诊断准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田捷	中国科学院自动化研究所	86	2028	21.0	44.0
2	臧亚丽	中国科学院自动化研究所	5	155	4.0	5.0
3	董迪	中国科学院自动化研究所	9	149	5.0	9.0
4	刘侠	哈尔滨理工大学自动化学院	16	51	4.0	6.0
5	张利文	哈尔滨理工大学自动化学院	1	15	1.0	1.0
9	汪俊	哈尔滨理工大学自动化学院	2	15	1.0	2.0
10	宋江典	东北大学中荷生物医学与信息工程学院	1	15	1.0	1.0