利用放射组学特征进行脑肿瘤生存预测
图像与视频处理
2020-09-08 v1 机器学习
定量方法
摘要
脑肿瘤患者的手术规划依赖于其生存预后。较差的预后可能需要更积极的治疗和疗法方案，而良好的预后可能允许风险较低的手术方案。因此，准确的生存预后是治疗规划中的重要一步。近来，深度学习方法已广泛用于脑肿瘤分割，随后利用深度特征进行预后。然而，基于放射组学的研究使用工程化/手工设计特征已显示出更大前景。本文中，我们提出一种三步走的多类生存预后方法。在第一阶段，我们从多种磁共振成像模态中提取对应肿瘤区域的图像切片。然后我们从这些2D切片中提取放射组学特征。最后，我们训练机器学习分类器来执行分类。我们在公开可用的BraTS 2019数据上评估所提方法，使用随机森林分类器取得了76.5%的准确率和74.3%的精确率，据我们所知这是目前报道的最高结果。此外，我们识别出对改善预测贡献最大的最重要特征。
引用
@article{arxiv.2009.02903,
title = {Brain Tumor Survival Prediction using Radiomics Features},
author = {Sobia Yousaf and Syed Muhammad Anwar and Harish RaviPrakash and Ulas Bagci},
journal= {arXiv preprint arXiv:2009.02903},
year = {2020}
}
备注
Submitted to RNO Workshop at MICCAI 2020