针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不...针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不同的多普勒频移;此外,使用宽带正交频分复用(OFDM)信号能够带来频率分集。由于空间分集和频率分集的引入造成目标的稀疏特性。利用多径的稀疏性和对环境的先验知识,去估计稀疏向量。仿真结果表明,在一定信噪比(SNR,-5 d B)下,基于设计矩阵降维构造方法的改进的LASSO算法比基追踪算法(BP)、DS(Dantzig Selector)、LASSO等传统算法的检测性能有明显提高;在一定虚警率(0.1)条件下,改进的LASSO算法比原LASSO算法检测概率提高了30%。所提算法能够有效去除伪目标,提高雷达目标检测概率。展开更多
目的构建跟距联合畸形(talocalcaneal coalition)的X线影像组学模型,并检验其对跟距联合畸形的筛查诊断能力。方法回顾性分析2019年1月至2023年3月吉林大学中日联谊医院放射线科200例行踝关节或足部X线检查的患者临床放射资料(跟距联合...目的构建跟距联合畸形(talocalcaneal coalition)的X线影像组学模型,并检验其对跟距联合畸形的筛查诊断能力。方法回顾性分析2019年1月至2023年3月吉林大学中日联谊医院放射线科200例行踝关节或足部X线检查的患者临床放射资料(跟距联合阳性及阴性各100例),手动勾画跟距联合畸形所在影像学区域,基于Python-pyradiomics库初步提取影像组学特征,通过曼-惠特尼U检验及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法实现数据降维和特征筛选,用支持向量机(support vector machine,SVM)对筛选得到的影像组学特征分类建模,最终以受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under the curve,AUC)、精确度、召回率、敏感度、特异度及F1分数评价模型的诊断效能。结果从X线图像中初步提取到105个组学特征,经曼-惠特尼U检验及LASSO算法筛选出7个强相关性特征,最终以SVM分类器所构建模型的测试集AUC值为0.93,精确度、召回率、敏感度、特异度和F1分数分别为88%、85%、93%、92%、88%,对跟距联合畸形有良好的筛查诊断能力。结论基于X线的影像组学模型可作为筛查诊断跟距联合畸形的一种准确高效的无创性工具,帮助临床医师诊断跟距联合畸形。展开更多
目的:胶质瘤是最常见的颅内原发中枢神经系统肿瘤,胶质瘤的分级对临床治疗及随访方案的选择、预后的评估有重要指导意义。本研究目的在于探讨基于影像组学的logistic回归模型预测胶质瘤病理分级的可行性。方法:回顾性收集2012年1月至201...目的:胶质瘤是最常见的颅内原发中枢神经系统肿瘤,胶质瘤的分级对临床治疗及随访方案的选择、预后的评估有重要指导意义。本研究目的在于探讨基于影像组学的logistic回归模型预测胶质瘤病理分级的可行性。方法:回顾性收集2012年1月至2018年12月经手术病理切片证实为胶质瘤的146例患者。手动分割患者增强T_(1)加权成像(contrast-enhanced T_(1)-weighted imaging,T_(1)WI+C)图像中的胶质瘤区域,形成3D感兴趣区(region of interest,ROI);提取41个影像特征;采用最小绝对收缩和选择运算(least absolute shrinkage and selection operator,LASSO)二元logistic回归法筛选与胶质瘤病理分级最相关的特征并计算影像组学得分(radiomics score,Rad-score);采用单因素logistic回归建模方法建立预测模型;用受试者操作特征(receiver operating characteristic,ROC)曲线评估模型的区分能力,评估指标为曲线下面积(area under the curve,AUC)。利用Hosmer-Lemeshow检验衡量模型预测的准确性。结果:筛选出5个与胶质瘤病理分级最相关的特征,用这5个特征构建的预测胶质瘤病理分级的logistic回归模型的ROC曲线AUC为0.919,具有很好的区分能力,其校准曲线经Hosmer-Lemeshow检验,与理想曲线的差异无统计学意义(P=0.808),预测准确性高。结论:基于影像组学的logistic回归模型可以有效地对胶质瘤病理分级进行预测,有望成为术前预测胶质瘤分级的辅助方法。展开更多
文摘针对地面多径环境下运动目标检测,使用最小绝对收缩与选择算子(LASSO)算法在参数估计时会出现伪目标的问题,提出一种基于LASSO模型框架的设计矩阵降维构造方法。首先,信号的多径传播能够带来目标检测的空间分集,信号在不同的多径上有不同的多普勒频移;此外,使用宽带正交频分复用(OFDM)信号能够带来频率分集。由于空间分集和频率分集的引入造成目标的稀疏特性。利用多径的稀疏性和对环境的先验知识,去估计稀疏向量。仿真结果表明,在一定信噪比(SNR,-5 d B)下,基于设计矩阵降维构造方法的改进的LASSO算法比基追踪算法(BP)、DS(Dantzig Selector)、LASSO等传统算法的检测性能有明显提高;在一定虚警率(0.1)条件下,改进的LASSO算法比原LASSO算法检测概率提高了30%。所提算法能够有效去除伪目标,提高雷达目标检测概率。
基金supported by National Natural Science Foundation of China (10471136 and 10671189)the Knowledge Innovation Program of the Chinese Academy of Sciences (KJCX3-SYW-S02)
文摘目的构建跟距联合畸形(talocalcaneal coalition)的X线影像组学模型,并检验其对跟距联合畸形的筛查诊断能力。方法回顾性分析2019年1月至2023年3月吉林大学中日联谊医院放射线科200例行踝关节或足部X线检查的患者临床放射资料(跟距联合阳性及阴性各100例),手动勾画跟距联合畸形所在影像学区域,基于Python-pyradiomics库初步提取影像组学特征,通过曼-惠特尼U检验及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法实现数据降维和特征筛选,用支持向量机(support vector machine,SVM)对筛选得到的影像组学特征分类建模,最终以受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under the curve,AUC)、精确度、召回率、敏感度、特异度及F1分数评价模型的诊断效能。结果从X线图像中初步提取到105个组学特征,经曼-惠特尼U检验及LASSO算法筛选出7个强相关性特征,最终以SVM分类器所构建模型的测试集AUC值为0.93,精确度、召回率、敏感度、特异度和F1分数分别为88%、85%、93%、92%、88%,对跟距联合畸形有良好的筛查诊断能力。结论基于X线的影像组学模型可作为筛查诊断跟距联合畸形的一种准确高效的无创性工具,帮助临床医师诊断跟距联合畸形。
文摘目的:胶质瘤是最常见的颅内原发中枢神经系统肿瘤,胶质瘤的分级对临床治疗及随访方案的选择、预后的评估有重要指导意义。本研究目的在于探讨基于影像组学的logistic回归模型预测胶质瘤病理分级的可行性。方法:回顾性收集2012年1月至2018年12月经手术病理切片证实为胶质瘤的146例患者。手动分割患者增强T_(1)加权成像(contrast-enhanced T_(1)-weighted imaging,T_(1)WI+C)图像中的胶质瘤区域,形成3D感兴趣区(region of interest,ROI);提取41个影像特征;采用最小绝对收缩和选择运算(least absolute shrinkage and selection operator,LASSO)二元logistic回归法筛选与胶质瘤病理分级最相关的特征并计算影像组学得分(radiomics score,Rad-score);采用单因素logistic回归建模方法建立预测模型;用受试者操作特征(receiver operating characteristic,ROC)曲线评估模型的区分能力,评估指标为曲线下面积(area under the curve,AUC)。利用Hosmer-Lemeshow检验衡量模型预测的准确性。结果:筛选出5个与胶质瘤病理分级最相关的特征,用这5个特征构建的预测胶质瘤病理分级的logistic回归模型的ROC曲线AUC为0.919,具有很好的区分能力,其校准曲线经Hosmer-Lemeshow检验,与理想曲线的差异无统计学意义(P=0.808),预测准确性高。结论:基于影像组学的logistic回归模型可以有效地对胶质瘤病理分级进行预测,有望成为术前预测胶质瘤分级的辅助方法。
