基于小波散射放射组学的胶质瘤分级预测
机器学习
2020-06-19 v2 信号处理
机器学习
摘要
术前胶质瘤分级对于预后预测和治疗方案制定十分关键。我们提出一种新颖的基于小波散射的放射组学方法，以无创且准确地预测胶质瘤级别。该方法由小波散射特征提取、降维和胶质瘤分级预测组成。降维通过偏最小二乘（PLS）回归实现，胶质瘤分级预测使用支持向量机（SVM）、逻辑回归（LR）和随机森林（RF）。在285名具有良好标注瘤内和瘤周区域患者的多模态磁共振图像上获得的预测显示，当在多模态图像中同时考虑瘤内和瘤周特征时，胶质瘤分级预测的受试者工作特征曲线下面积（AUC）提升至0.99，较传统放射组学提高约13%。此外，从瘤周区域提取的特征进一步提高了胶质瘤分级的准确性。
引用
@article{arxiv.1905.09589,
title = {Glioma Grade Prediction Using Wavelet Scattering-Based Radiomics},
author = {Qijian Chen and Lihui Wang and Li Wang and Zeyu Deng and Jian Zhang and Yuemin Zhu},
journal= {arXiv preprint arXiv:1905.09589},
year = {2020}
}