Comparison and fusion prediction model for lung adenocarcinoma with micropapillary and solid pattern using clinicoradiographic, radiomics and deep learning features
基于臨床放射學(xué)谊却、放射組學(xué)和深度學(xué)習(xí)特征的肺腺癌微柱和實(shí)體模式的比較和融合預(yù)測(cè)模型
本文基于的點(diǎn)就是MPA和SPA的數(shù)量哪怕很少也會(huì)影響預(yù)后。應(yīng)用radiomic + DL+深度學(xué)習(xí)來預(yù)測(cè)MPA和SPA店诗。
三類：
- 臨床影像資料：最大腫瘤實(shí)變直徑/腫瘤直徑 (C/T) 比值酗洒、密度唯蝶、邊緣、肺腫瘤等形態(tài)學(xué)特征界面（清晰或模糊）；內(nèi)部表現(xiàn)凰盔、胸膜標(biāo)簽和壓痕辣卒，血管變化掷贾，與支氣管的關(guān)系。
- 影像組學(xué)資料：從 3D 維區(qū)域提取的 107 個(gè)放射組學(xué)特征由三類組成
- 形狀特征（特征數(shù) [m] = 18）
- 一階特征（m = 14）
- 紋理特征（m = 75)
- 24個(gè)Gy 級(jí)共生矩陣（GLCM）特征
- 16個(gè)Gy 級(jí)游程矩陣（GLRLM）特征
- 16個(gè)Gy 級(jí)大小區(qū)域矩陣（GLSZM）特征
- 5個(gè)鄰域灰度差矩陣（NGTDM）特征
- 14個(gè)Gy水平依賴矩陣 (GLDM) 特征
- DL：寬殘差網(wǎng)絡(luò)添寺。WRN
圖片.png
這種聯(lián)合的思路可以學(xué)習(xí)一下胯盯。
A review on lung disease recognition by acoustic signal analysis with deep learning networks
回顧肺部疾病識(shí)別通過聲信號(hào)分析與深度學(xué)習(xí)網(wǎng)絡(luò)
Comments： 這個(gè)文章是一個(gè)關(guān)于聲學(xué)為主的綜述，里面關(guān)于聲音的數(shù)據(jù)集應(yīng)該是可以去研究一下怎么用的计露，手段還是老生常談的那些就不看了博脑。
關(guān)于做法感覺作為圖像或者信號(hào)來處理因該都可以，然后疾病的話和腫瘤還有不同票罐。應(yīng)該是一些感染性的疾病可能會(huì)更好去用一些叉趣。
圖片.png
Tumor?educated platelet blood tests for Non?Small Cell Lung Cancer detection and management
用于非小細(xì)胞肺癌癌癥檢測(cè)和治療的腫瘤誘導(dǎo)血小板檢測(cè)
466 NSCLC 和 410 control 收集了876份血小板。應(yīng)用的模型師SVM该押。
圖片.png
這個(gè)文章描繪了兩個(gè)很有意思的模型疗杉，分別是高特異性和高敏感度的，然后描繪了各自的大概得引用場(chǎng)景蚕礼。
