换一批基于CT图像深度学习特征联合临床参数的实性肺腺癌术后进展联合模型预测研究
Deep Learning Radiomics and Clinical Parameters in a Multimodel for Predicting Postoperative Progression of Solid Lung Adenocarcinoma
摘要为探索临床参数、影像组学特征与深度学习特征相结合的融合模型,用于预测肺腺癌术后复发的可能性.收集了江门某医院的196例经手术治疗的肺腺癌患者的临床资料和术前CT影像数据,使用17个临床参数,提取CT影像组学特征,并使用Atten-tion U-Net进行深度学习特征提取,进行特征筛选.最终选择临床参数中的分期作为独立预测因子,选择5个影像组学特征计算影像组学特征的权重标签值RS和9个深度学习特征计算深度学习特征的权重标签值DLS共同构建融合模型.融合模型训练集的AUC值为0.931,测试集的AUC值为0.895.结果表明,临床参数、影像组学特征与深度学习特征相结合的融合模型对于预测肺腺癌术后复发能够更准确地评估患者的复发风险.通过综合利用临床和影像信息,为个体化的治疗和随访提供了有力支持,具有潜在的临床应用前景.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1009-9492.2025.00033
发布时间
2026-01-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
