基于放射组学的特征选择和亚组分析对肺腺癌患者预后的预测价值
Journal of Clinical Medicine in Practice(2022)
摘要
目的 探讨基于放射组学的特征选择和亚组分析对肺腺癌患者预后的预测价值.方法 选取293例接受放疗的肺腺癌患者,从胸部CT图像中提取107个放射学特征(14个形状特征、18个一阶统计特征和75个纹理特征).分析3种不同的特征选择(FS)方法[即重测和多重分割(FS1)、皮尔逊相关分析(FS2)以及FS1和FS2相结合的方法(FS3)]对生存预测性能的影响.对各个T分期进行亚组分析,采用一致性指数(C-index)和Kaplan-Meier法评估预后表现.亚组分析采用5倍交叉验证以确保模型的可靠性.结果 在放射学模型的训练和测试数据集中,FS2的C-index是所有选择方法中最高的(分别为0.64、0.61).同样,FS2在组合模型的训练和测试数据集中的所有选择方法中具有最高的C-index(分别为0.65、0.63).亚组分析表明,基于T分期的预测模型对测试数据集的C-index高于基于全数据的预测模型.结论 特征选择方法在一定程度上提高了生存预测的性能,基于T分期的亚组预测模型可以提高预测性能.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要