基于影像组学的肺癌分型预测

• 作者: 丁小凤 桂东奇 梁伟 赵艳秋
• 来源期刊: 解剖学报
• 学科: 医学
• 关键词: 影像组学 肺癌 支持向量机 k折交叉验证 分型预测 人
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 解剖学
• 页码范围: 495-500
• 页数: 6页
• 分类号: R734.2
• 语种: 中文
• DOI: 10.16098/j.issn.0529-1356.2019.04.015

摘要

目的 基于影像组学特征对肺癌中的两大亚型分类(小细胞肺癌与非小细胞肺癌)进行分型预测.方法 在131名小细胞肺癌与非小细胞肺癌患者中(其中训练集包含119人,测试集中包含12人),从手动分割的病灶区域提取107维组学特征,使用R统计学软件中的FSelector包对影像组学特征进行关键特征筛选,构建支持向量机模型和k折交叉验证模型对肺癌患者的病理进行表型分类和验证,通过绘制受试者工作特征曲线(ROC曲线)图和计算曲线下面积(AUC)数值来对训练集和测试集中的肺癌分型预测效果进行评估.结果 挑选出20个主要的影像组学特征用于小细胞肺癌与非小细胞肺癌的分型鉴别,这些特征对于训练集和测试集中的小细胞肺癌与非小细胞肺癌均有较好的区分能力.在测试集中,预肺癌亚型分类的准确率为75％,组学特征的AUC结果为0.69.结论 通过构建独特的影像组学特征,以用作区分小细胞肺癌与非小细胞肺癌的诊断因素.这对实现非侵入性的肺癌病理有效分型预测,指导肺癌患者后续治疗方案的选择具有重要指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁伟	安徽医科大学第一附属医院肿瘤放疗科	31	207	9.0	13.0
2	赵艳秋	合肥市第二人民医院广德路院区医院老年医学科	1	1	1.0	1.0
3	桂东奇	中国科学技术大学电子科学与技术系	1	1	1.0	1.0
4	丁小凤	安徽医科大学第一附属医院肿瘤放疗科	1	1	1.0	1.0