Повышение эффективности анализа КТ-изображений с помощью новых текстурных радиомических признаков

Автор: Шириати Ф., Павлов В.А.

Журнал: Компьютерная оптика @computer-optics

Рубрика: Численные методы и анализ данных

Статья в выпуске: 5 т.49, 2025 года.

Бесплатный доступ

В статье рассматривается развитие методов извлечения признаков из медицинских изображений для улучшения диагностики и анализа данных в онкологии. Представлены три новых радиомических признакадля анализа КТ-изображений легких: адаптивный контраст текстуры, направленная однородность текстуры и совместная встречаемость текстурных переходов. Эти признаки специально разработаны для улучшения анализа КТ-изображений легких, что может оказать значительное влияние на точность диагностики и распознавание мутаций EGFR. В статье подробно описаны методы и алгоритмы, использованные для создания и тестирования этих признаков, а также представлены результаты, демонстрирующие улучшение показателей Accuracy и Precision на 4 % для задачи обнаружения мутаций EGFR по сравнению с традиционными методами. Это исследование подчеркивает потенциал интеграции новых радиомических признаков в клиническую практику для более точной и эффективной диагностики рака легких.

Еще

Радиомические признаки, КТ-изображения, классификация

Короткий адрес: https://sciup.org/140310601

IDR: 140310601   |   DOI: 10.18287/2412-6179-CO-1581

Improving the efficiency of CT image analysis using new texture radiomics features

This article discusses the development of feature extraction techniques from medical images to improve diagnosis and data analysis in oncology. Three new radiomic features for analyzing lung CT images are presented: adaptive texture contrast (ATC), directional texture uniformity (DTU), and co-occurrence of texture transitions (CTT). These features are specifically designed to improve the analysis of lung CT images, which can have a significant impact on the diagnostic accuracy and recognition of EGFR mutations. This article details the methods and algorithms used to create and test these features, and presents results demonstrating a 4% improvement in Accuracy and Precision for the task of detecting EGFR mutations compared to traditional methods. This study highlights the potential of integrating novel radiomic signatures into clinical practice for more accurate and efficient diagnosis of lung cancer.

Еще