资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-E
文章类型：
机构：
[1]北京邮电大学信息与通信工程学院
[2]首都医科大学宣武医院
首都医科大学宣武医院
出处：
ISSN：
关键词：
放射组学
海马硬化
机器学习
小波变换
摘要：
为深入挖掘具有海马硬化病变表征能力的放射组学特征，提升海马硬化检测的精度，提出了一种结合放射组学分析的自动诊断方法，通过将放射组学特征与小波变换、高斯拉普拉斯算子滤波算法相结合，提取不同滤波图像中海马体感兴趣区域的放射组学特征并用于识别海马硬化，挖掘敏感度较高的放射组学特征。首先对受试样本的T1图像进行预处理和多种滤波处理，基于原始图像和滤波图像提取放射组学特征；然后依次使用双样本T检验、特征相关性分析法对放射组学特征降维；最后利用这些特征构建海马硬化的检测模型。实验结果显示，基于放射组学特征构建的海马硬化检测模型可以有效地辅助识别海马硬化病灶；用基于小波变换的方法提取放射组学特征能够使自动诊断模型的检测效果最优，在实际数据集上硬化海马的检出率可达到97.7%。
基金：
国家自然科学基金项目（82030037）；;北京邮电大学校行动计划项目（2020XD-A06-1）；
第一作者：
第一作者机构：
[1]北京邮电大学信息与通信工程学院
通讯作者：
推荐引用方式(GB/T 7714)：
欧阳莫微,康桂霞,王开亮,等.一种放射组学分析的海马硬化自动诊断方法[J].北京邮电大学学报.2022,45(04):51-57.
