Paper: Meningioma consistency assessment based on the fusion of deep learning
features and radiomics features
Authors: Jiatian Zhang, Yajing Zhao, Yiping Lu, Peng Li, Shijie Dang, Xuanxuan Li, Bo Yin b,
Lingxiao Zhao
Journal: European Journal of Radiology

本研究旨在将深度学习特征与放射组学特征相结合，用于计算机辅助的术前脑膜瘤一致性评估。

方法概览：由专业神经外科医生根据Zada的一致性分级系统评估T2-液体衰减反转恢复（T2-Flair）图像，将脑膜瘤分类为软性或硬性。我们提出了一种卷积神经网络（CNN）模型以提取深度学习特征，并将这些特征与放射组学特征结合。在多次特征选择后，使用四种分类器构建了分类模型，并通过AUC评估每个分类器的性能。利用最小绝对收缩和选择算子（LASSO）进一步构建了一个特征签名，并基于该签名创建了一个列线图用于预测脑膜瘤的一致性。

论文原文预览