文献类型：期刊文章

作　　者：鲁慧民[1] 薛涵[1] 王奕龙[2,3] 王贵增[1] 桑鹏程[1]

LU Huimin;XUE Han;WANG Yilong;WANG Guizeng;SANG Pengcheng(College of Computer Science and Engineering,Changchun University of Technology,Changchun 130102,China;College of Mathematics and Statistics,Changchun University of Technology,Changchun 130012,China;The First Hospital of Jilin University,Changchun 130061,China)

机构地区：[1]长春工业大学计算机科学与工程学院,长春130102 [2]长春工业大学数学与统计学院,长春130012 [3]吉林大学第一医院,长春130061

出　　处：《计算机工程与应用》

基　　金：吉林省教育厅“十三五”科学技术研究规划重点项目(JJKH20230763KJ)。

年　　份：2023

卷　　号：59

期　　号：17

起止页码：22-34

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2023_2024、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：影像组学(radiomics)是一种从标准医学影像中定量地提取特征的技术。借助机器学习构建预测或诊断模型,能够在临床决策支持系统中提取和应用数据,以提高诊断的准确性,该技术在肿瘤分期、癌症检测、生存分析等任务中得到了广泛的应用。回顾了机器学习在影像组学分析中的相关应用和研究进展;重点论述了机器学习算法在影像组学分析中各阶段的适用性和局限性,在原理和应用效果上对代表性算法进行了深入梳理与分析;综合介绍了在影像组学分析中对各阶段工作的评估方法;整理了公开的医学影像数据集以及用于影像组学特征提取的软件与工具包;最后讨论了机器学习在影像组学中的未来发展。

关 键 词：机器学习  影像组学  特征工程  深度学习  医学影像

分 类 号：R445] TP391]