用于病理确诊的计算机断层扫描肺癌预测的发现放射组学
计算机视觉与模式识别
2017-03-29 v3
摘要
肺癌是癌症相关死亡的首要原因。因此，迫切需要一种简化的流程，使放射科医师能够以更高的效率和准确性进行诊断。实现这一目标的强大工具是放射组学：一个高维成像特征集。在本研究中，我们通过引入利用 CT 成像数据进行肺癌预测的发现放射组学概念，将放射组学的理念向前推进了一步。在本研究中，我们利用深度卷积神经网络学习架构，将这些定制的放射组学序列器实现为深度卷积序列器。为了说明所发现的序列器产生的放射组学序列的预后能力和有效性，我们使用来自 LIDC-IDRI 数据集的病理确诊诊断数据，对 97 名患者的恶性和良性病变进行癌症预测。使用临床提供的病理确诊数据作为真实标签，所提出的框架通过 10 折交叉验证获得了 77.52% 的平均准确率，灵敏度为 79.06%，特异度为 76.11%，超越了现有最优方法。
引用
@article{arxiv.1509.00117,
title = {Discovery Radiomics for Pathologically-Proven Computed Tomography Lung Cancer Prediction},
author = {Devinder Kumar and Mohammad Javad Shafiee and Audrey G. Chung and Farzad Khalvati and Masoom A. Haider and Alexander Wong},
journal= {arXiv preprint arXiv:1509.00117},
year = {2017}
}
备注
8 pages