基于机器学习模型探讨X线征象在骨肿瘤分类中的价值及其临床应用

发布时间：2023-02-13 15:06

　　骨肿瘤发病率相对较低,但恶性骨肿瘤却是青少年患者死亡的主要原因,严重危害人类健康。早期明确肿瘤性质、及时选择正确的临床治疗策略是提高患者生存率的关键。因此,术前对骨肿瘤良恶性的分类具有重要的临床价值。数字化X线摄影(Digital Radiography,DR)因具备空间分辨率高、检查快捷方便、价格低廉等特点,是骨肿瘤诊断的首选影像检查方法。临床工作中,骨肿瘤的分类主要依靠放射科医生全面的分析病灶,从中提取影像征象,随后重点评估对骨肿瘤诊断最重要的X线征象,并结合临床信息得出最终的诊断结果。但由于骨肿瘤相对少见且发病种类繁多、影像表现复杂,放射科医生尤其是低年资医生很难有足够的诊断经验准确识别重要的影像征象,从而为临床治疗提供可靠的骨肿瘤分类信息。本研究基于数字化X线影像征象及临床信息构建多种骨肿瘤的机器学习(Machine Learning,ML)分类模型,确定对骨肿瘤分类最重要的影像特征,以病理结果为金标准,评估各模型的分类性能及临床应用价值。课题分为两部分,第一部分构建逻辑回归(Logistic Regression,LR)、决策树(Decision Tree,DT)、随机森林(...

【文章页数】：106 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
前言
    1. 研究背景及意义
    2. 骨肿瘤分类及临床治疗概述
    3. 机器学习概述
    4. 本课题的研究思路及技术路线介绍
第一部分 基于机器学习模型探讨X线征象在骨肿瘤分类中的价值
    1. 研究对象
    2. 研究方法
    3. 结果
    4. 讨论
    5. 小结
第二部分 机器学习分类模型的辅助诊断价值与临床对比研究
    1. 研究对象
    2. 研究方法
    3. 结果
    4. 讨论
    5. 小结
全文总结
不足与展望
参考文献
中英文缩略语词表
在读期间发表论文及成果
致谢



本文编号：3741948