Influência das características radiômicas de PET/CT no resultado de pacientes com câncer de pulmão

Características radiômicas:

As imagens de PET/CT, incluindo outros tipos de seriados de TC, foram transportadas para um computador pessoal. Usando o software de código aberto do 3D-Slicer, os volumes de interesse (VOIs) para tumor primário, ou mesmo linfonodos, foram segmentados de forma semiautomática ou manual. E então, as características radiômicas foram extraídas.

Parâmetros PET:

Usando CT VOIs combinados, o valor de captação padrão de PET correspondente (SUV, sem unidade) foi medido. Para um foco (tumor ou linfonodo), a média, a soma e o SUV máximo foram documentados e usados ​​para treinar e validar modelos juntamente com recursos radiômicos.

Seleção de recursos:

Os dados foram analisados ​​pelo método de aprendizado profundo ou florestas aleatórias, e as 20 principais variáveis ​​foram pontuadas por sua contribuição para a regressão (importância da variável, VIMP). As características generalizadas foram identificadas como as mesmas entre dois tipos de séries de imagens (por exemplo, TC comum e de seção fina, ou PET e TC). Além disso, quando três ou mais características atenderam ao critério, um valor mais baixo do critério de informação de Akaike (AIC), que mede a qualidade relativa dos modelos estatísticos, foi usado para encontrar características apropriadas com menor possibilidade de overfitting.

Validação do modelo:

O modelo desenvolvido foi validado interna e externamente. Os índices internos para variável independente contínua foram acurácia (viés e viés absoluto) e precisão (coeficiente de correlação e R quadrado), e para variável independente classificada ou de sobrevivência foi c-index. Os pacientes inscritos em outro centro médico foram usados ​​para validação externa.