基于nn-Unet/放射组学的气道生物标志物患者生存预测
计算机视觉与模式识别
2025-06-16 v1 机器学习
摘要
AIIB 2023竞赛的主要目标是评估气道相关影像生物标志物在决定肺纤维化患者生存结局中的预测意义。本研究提出了一种全面的三阶段方法。首先，使用分割网络nn-Unet来勾勒气道的结构边界。随后，从以气管为中心以及围绕气道的包围边界框内的放射组学图像中提取关键特征。这一步骤的动机在于气管区域可能包含与生存相关的关键信息，以及气道结构和维度中编码的相关信息。最后，将从分割区域获得的放射组学特征整合到SVM分类器中。我们在任务1中获得了0.8601的整体分割得分，在任务2中获得了0.7346的分类得分。
引用
@article{arxiv.2506.11677,
title = {Predicting Patient Survival with Airway Biomarkers using nn-Unet/Radiomics},
author = {Zacharia Mesbah and Dhruv Jain and Tsiry Mayet and Romain Modzelewski and Romain Herault and Simon Bernard and Sebastien Thureau and Clement Chatelain},
journal= {arXiv preprint arXiv:2506.11677},
year = {2025}
}
备注
8 pages