论文部分内容阅读
脑胶质瘤的术前分级对治疗决策和预后评估至关重要.为了提高分级精度,提出了一种基于影像组学和集成学习的无创胶质瘤术前分级方法.首先,从不同序列的感兴趣区域提取428个影像组学特征,采用递归特征消除算法进行特征选择,采用6种不同的机器学习算法对脑胶质瘤进行分级,并对各自的性能进行评估;然后,根据评估结果,选取逻辑回归、决策树和多层感知机3种分类器作为脑胶质瘤分级预测的机器学习算法;最后,将3种分类器的输出采用投票方式进行集成,并评估硬投票机制与软投票机制的性能.实验结果表明,对于数据集BraTS2019,基于