论文部分内容阅读
提出了一种针对软组织肉瘤转移性预测的辅助诊断方法,该方法通过对患者的FDG-PET和CT诊断图像进行纹理特征分析,共提取了105个特征,其中包括灰度共生矩阵的24个特征和其他81个灰度等级的特征,分别利用支持向量机、K近邻和随机森林等机器学习算法建立预测模型,并采用网格搜索法对其参数进行优化.最后使用留一交叉验证法对各模型进行验证.通过评估各模型性能,选择支持向量机作为最终预测模型,得到了80%的平均精确度.此外,该模型的敏感度达到81%,特异性达到79%,表明该模型预测结果具有一定的可靠性,可以对