结合基于低剂量CT的放射组学与代谢组学以支持肺癌早期筛查
计算机视觉与模式识别
2023-11-23 v1 机器学习
应用统计
摘要
由于其多为无症状或轻症进展，肺癌常在晚期才被诊断，导致患者生存率较低。与其他癌症一样，早期发现可显著提升治疗成功几率。早期诊断是借助筛查项目实现的，这类项目旨在肿瘤尚小（通常约 3mm）时检出肺组织肿瘤。然而，大量筛查项目数据的分析受限于医学专家资源不足。本研究开发了一种识别肺实质内潜在恶性赘生性病变的流程。该系统利用应用于两类测量的机器学习(ML)技术：基于低剂量计算机断层扫描的放射组学与代谢组学。使用来自两个波兰筛查项目的数据，测试了两种 ML 算法及多种集成方法，以构建结合两种模态的最终模型，支持肺癌筛查。
引用
@article{arxiv.2311.12810,
title = {Combining low-dose CT-based radiomics and metabolomics for early lung cancer screening support},
author = {Joanna Zyla and Michal Marczyk and Wojciech Prazuch and Marek Socha and Aleksandra Suwalska and Agata Durawa and Malgorzata Jelitto-Gorska and Katarzyna Dziadziuszko and Edyta Szurowska and Witold Rzyman and Piotr Widlak and Joanna Polanska},
journal= {arXiv preprint arXiv:2311.12810},
year = {2023}
}