Radiology：如何鉴别肺结节？
2019-06-16 shaosai MedSci原创
本研究旨在利用CT平扫图像放射组学特征鉴别非小细胞肺癌与肉芽肿的能力。
本研究旨在利用CT平扫图像放射组学特征鉴别非小细胞肺癌与肉芽肿的能力。
本研究共纳入了290例患者的CT平扫图像。收集每例患者结节的组织学分析结果。由放射科医生对感兴趣结节在轴位CT图像上进行手动标记。在结节内和结节旁区域的结节性质、小波和基于纹理的特征。将145例患者图像征象训练机器学习分类器。在145例测试组患者中，比较分类器结果与卷积神经网络（CNN）和两名放射科医生的诊断结果。
结果为，辅助矢量机器分类器联合结节内放射组学特征在测试组的ROC曲线下面积为0.75。
联合结节内和结节旁放射组学特征将AUC提高到0.80。在相同测试组，CNN的AUC为0.76。两位放射科医生的AUC分别为0.61、0.60。
本研究表明，CT平扫肺结节内和结节旁放射组学征象有助于鉴别非小细胞肺癌和肉芽肿性病变。
原始出处：
Beig N， Khorrami M， Alilou M，et al.Perinodular and Intranodular Radiomic Features on Lung CT Images Distinguish Adenocarcinomas from Granulomas.Radiology.DOI：10.1148/radiol.2018180910
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
学习了很有用不错
85
谢谢了，学习
91
好好好好好好
86