基于PET/CT影像组学的PSA持续状态预测方法

    公开(公告)号:CN117058076A

    公开(公告)日:2023-11-14

    申请号:CN202310915073.2

    申请日:2023-07-25

    Abstract: 本申请涉及一种基于PET/CT影像组学的PSA持续状态预测方法,通过获取前列腺癌病例数据后,将预处理后的前列腺癌病例数据划分为测试组和训练组,之后在测试组和训练组中选取出图像并对该图像执行感兴趣区域ROI的分割,从感兴趣区域ROI提取PET特征和CT特征,将PET特征和CT特征作为选中特征纳入该感兴趣区域ROI的特征集,之后计算内部相关系数ICC,基于内部相关系数ICC进行和LASSO逻辑回归分析方法进行筛选,得到最优预测特征,通过最优预测特征构建组学模型、临床模型和联合模型,基于最优模型建立列线图,利用列线图对PSA持续状态进行预测,本申请能够实现前列腺癌不良预后的早期预测,预测出高危PSA持续状态的病人,使医生寻找新的发病机制和治疗靶点。

    基于超声组学的卵巢癌分类方法及预测模型评估方法

    公开(公告)号:CN115132344A

    公开(公告)日:2022-09-30

    申请号:CN202210521068.9

    申请日:2022-05-12

    Abstract: 本申请公开了一种基于超声组学的卵巢癌分类方法及预测模型评估方法包括以下步骤:S1、获取上皮性卵巢癌(EOC)患者样本数据,采集超声图像,在超声图像上分割肿瘤感兴趣区域(ROI),并提取超声组学特征;S2、筛选超声组学特征,基于logistic回归分析建立超声组学评分模型;S3、根据临床特征建立临床模型,结合超声组学评分模型和临床特征建立联合模型;S4、评价临床模型、超声组学评分模型和联合模型的性能和临床应用价值;S5、基于联合模型建立列线图。本申请的有益之处在于:提供了一种结合临床数据和超声组学特征显示肿瘤的异质性及预测EOC的组织病理类型的基于超声组学的卵巢癌分类方法及预测模型评估方法。

Patent Agency Ranking