评估 2D 与 3D 特征预测肿瘤化疗应答的有效性
图像与视频处理
2023-04-18 v2 计算机视觉与模式识别
摘要
2D 和 3D 肿瘤特征广泛用于多种医学图像分析任务。然而，对于化疗应答预测，不同种类 2D 和 3D 特征的有效性尚未得到全面评估，尤其在卵巢癌相关应用中。本研究旨在完成这样一项全面评估。为此，我们回顾性收集了 188 名晚期卵巢癌患者的 CT 图像。对每个患者出现的全部转移瘤进行分割，随后用一组六种滤波器处理。接下来，从滤波结果和原始分割肿瘤中计算三类特征，即几何、密度和纹理特征，分别为 3D 和 2D 肿瘤生成共 1595 和 1403 个特征。除常规的单切片 2D 和全体积 3D 肿瘤特征外，我们还计算了不完全 3D 肿瘤特征，其通过依次添加单个 CT 切片并计算相应特征得到。我们为各特征集开发并优化了基于支持向量机（SVM）的预测模型。采用 5 折交叉验证评估每个独立模型的性能。结果显示，基于 2D 特征的模型达到了 0.84±0.02 的 AUC（ROC 曲线下面积 [受试者工作特征]）。当添加更多切片时，AUC 先上升至最大值，然后逐渐下降至 0.86±0.02。最大 AUC 在添加相邻两切片时取得，值为 0.91±0.01。这一初步结果为未来优化基于机器学习的决策支持工具提供了有意义的信息。
引用
@article{arxiv.2303.16123,
title = {Evaluating the Effectiveness of 2D and 3D Features for Predicting Tumor Response to Chemotherapy},
author = {Neman Abdoli and Ke Zhang and Patrik Gilley and Xuxin Chen and Youkabed Sadri and Theresa C. Thai and Lauren E. Dockery and Kathleen Moore and Robert S. Mannel and Yuchen Qiu},
journal= {arXiv preprint arXiv:2303.16123},
year = {2023}
}
备注
For Some modifications and error pruning, we need to withdraw the paper