基于相异度的表示在放射组学中的应用
计算机视觉与模式识别
2018-03-14 v1
摘要
放射组学（Radiomics）是指从医学图像中提取的大量定量肿瘤特征进行分析，以寻找有用的预测、诊断或预后信息。许多近期研究已证明，放射组学能提供医师无法从医学图像中提取的大量有用信息，并可与基因或蛋白质数据等其他信息相关联。然而，放射组学中大多数分类研究仅报告使用了特征选择方法，却未识别出放射组学背后的机器学习挑战。本文中，我们首先指出放射组学问题应被视为高维、小样本、多视图学习问题，随后比较了多视图学习中提出的用于放射组学数据分类的不同解决方案。我们在多个真实世界多视图数据集上进行的实验表明，中间集成方法显著优于放射组学中常用的过滤式和嵌入式特征选择方法。
引用
@article{arxiv.1803.04460,
title = {Dissimilarity-based representation for radiomics applications},
author = {Hongliu Cao and Simon Bernard and Laurent Heutte and Robert Sabourin},
journal= {arXiv preprint arXiv:1803.04460},
year = {2018}
}
备注
conference, 6 pages, 2 figures