通过图像扰动评估放射组学特征的鲁棒性
计算机视觉与模式识别
2019-01-29 v1
摘要
图像特征需要对定位、采集和分割的差异具有鲁棒性，以确保可重复性。仅包含鲁棒特征的放射组学模型可用于分析新图像，而含有非鲁棒特征的模型可能无法准确预测感兴趣的结果。推荐使用重测成像来评估鲁棒性，但可能不适用于感兴趣的表型。因此我们研究了基于图像扰动的 18 种特征鲁棒性判定方法。在两个计算机断层扫描成像队列中，对从大体肿瘤体积计算的 4032 个特征比较了重测鲁棒性与扰动鲁棒性：I) 31 例非小细胞肺癌（NSCLC）患者；II) 19 例头颈鳞状细胞癌（HNSCC）患者。鲁棒性使用 intraclass correlation coefficient (1,1)（ICC）度量。ICC 的特征被视为鲁棒。NSCLC 队列中重测成像的鲁棒特征多于 HNSCC 队列（ vs. ）。由噪声添加、仿射平移、体积增大/缩小和基于超体素的轮廓随机化组成的扰动链识别出的假阳性鲁棒特征最少（NSCLC: ；HNSCC: ）。因此，该扰动链可用于评估特征鲁棒性。
引用
@article{arxiv.1806.06719,
title = {Assessing robustness of radiomic features by image perturbation},
author = {Alex Zwanenburg and Stefan Leger and Linda Agolli and Karoline Pilz and Esther G. C. Troost and Christian Richter and Steffen Löck},
journal= {arXiv preprint arXiv:1806.06719},
year = {2019}
}
备注
31 pages, 14 figures pre-submission version