PLoS ONE: Computer-Aided Diagnose for tidlige fase lungekræft Baseret på Longitudinal og Balanced data

Abstrakt

Baggrund

Lungekræft er en af ​​de mest almindelige former for kræft, hvorved over en million dødsfald om året på verdensplan. Typisk kan problemet blive kontaktet ved at udvikle mere diskriminerende diagnose metoder. I dette papir, blev computerstøttet diagnose anvendes til at lette forudsigelsen af ​​karakteristika ensomme pulmonale knuder i CT af lungerne til at diagnosticere tidlige fase lungekræft.

Metoder

Det syntetiske mindretal over- prøveudtagningsteknik (slog) blev anvendt til at redegøre for rådata for at afbalancere den oprindelige uddannelse datasæt. Curvelet-transformation stoflige egenskaber, sammen med 3 patientens demografiske karakteristika, og 9 morfologiske træk blev brugt til at etablere en støtte vektor maskine (SVM) forudsigelse model. Langsgående data som det sæt testdata blev brugt til at evaluere klassificeringen præstationer forudsige tidlige fase lungekræft.

Resultater

Brug af slog som proceduren en forbehandling, den oprindelige træningsdata var afbalanceret med et forhold mellem ondartet til godartede tilfælde af 1:01. Nøjagtighed er baseret på tværs af evaluering for den oprindelige ubalancerede data og balancerede data var 80% og 97%, hhv. Baseret på Curvelet-transformation stoflige egenskaber og andre funktioner, SVM forudsigelse model havde god klassificering ydeevne til tidlige fase lungekræft, med et areal under kurven for de SVMs af 0,949 (P 0,001). Stoflige funktion (standardafvigelse) viste godartede tilfælde havde en højere ændring i opfølgningsperioden end maligne tilfælde.

Konklusioner

Med stoflige egenskaber udvundet fra en Curvelet forvandling og andre parametre, en følsom support vektormaskine forudsigelse model kan øge hastigheden af ​​diagnosen for den tidlige fase lungekræft. Denne ordning kan anvendes som et hjælpeværktøj til at skelne mellem godartede og ondartede tidlige fase lungekræft i CT-billeder

Henvisning:. Sun T, Zhang R, Wang J, Li X, Guo X (2013) Computer -Aided Diagnose for tidlige fase lungekræft Baseret på Langsgående og Balanced data. PLoS ONE 8 (5): e63559. doi: 10,1371 /journal.pone.0063559

Redaktør: Michael Gormley, Thomas Jefferson University, USA

Modtaget: 20. november 2012; Accepteret: April 3, 2013; Udgivet: 15. maj 2013