详情页 - 广东省中医院知识库

当前位置：首页 > 详情页

基于卷积神经网络减小重建核函数对CT影像组学特征稳定性的影响

Reduce the Influences of Reconstruction Kernel Functions on the CT Radiomics Feature Stability Based on Convolutional Neural Network

11| 认领 | 导出 | 链接全文 |

文献详情

资源类型：

作者：

机构： [1]广州中医药大学第二附属医院 (广东广州 510006)

出处：

DOI：

ISSN：

关键词： 卷积神经网络重建核函数影像组学特征稳定性

摘要：

目的探讨通过卷积神经网络减小重建核函数对CT影像组学特征稳定性的影响.方法采用 4 种不同核函数进行CT图像重建,设计影像组学处理流程完成特征提取,定量分析不同核函数对影像组学特征稳定性的影响.利用深度学习卷积神经网络对不同重建核CT图像进行转换.结果以一致性相关系数(CCC)>0.85 为影像组学稳定的标准,符合标准的B70-fB70、B10-fB10 的CCC的特征数量占比高于B10-B70,B10-fB10 与B70-fB70 的均方差、平均绝对值误差均低于B10-B70,而B10-fB10 与B70-fB70 的峰值信噪比、结构相似性高于B10-B70.结论通过卷积神经网络实现图像转换可提高影像组学特征稳定性,减小不同重建核函数产生的差异.

语种：

第一作者：

第一作者机构： [1]广州中医药大学第二附属医院 (广东广州 510006)

通讯作者：

推荐引用方式(GB/T 7714)：

相关文献

[1]基于四维计算机断层扫描图像的非小细胞肺癌影像组学特征稳定性分析 [2]直肠充盈对直肠壁CT影像组学特征的影响 [3]直肠充盈对直肠壁CT影像组学特征的影响 [4]SE-Res Block U型卷积神经网络应用于乳腺癌临床靶区与危及器官自动分割的研究 [5]基于自动乳腺全容积成像影像组学的机器学习模型鉴别BI-RADS 4类病灶良恶性的临床价值 [6]Identification and diagnosis of mammographic malignant architectural distortion using a deep learning based mask regional convolutional neural network [7]Supervised breast cancer prediction using integrated dimensionality reduction convolutional neural network [8]Automated detection of glottic laryngeal carcinoma in laryngoscopic images from a multicentre database using a convolutional neural network [9]Convolution neural network toward Monte Carlo photon dose calculation in radiation therapy [10]AML, ALL, and CML classification and diagnosis based on bone marrow cell morphology combined with convolutional neural network: A STARD compliant diagnosis research.