《表3 三种机器学习诊断模型训练集的灵敏度、特异度与AUC》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于常规MRI图像的不同影像组学模型在脑胶质瘤术前分级中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：SVM、RF、Logistic回归为三种不同的机器学习模型

经特征选择后，T2WI图像获得影像组学特征20个，其中直方图特征7个，GLCM特征12个，GLRLM特征1个；T1CE图像获得影像组学特征22个，其中直方图4个特征，GLCM特征16个，GLRLM特征2个。pROC包绘制的ROC曲线见图1、2。在对不同影像组学学习模型进行训练与交叉验证后，分别得到六种影像组学模型的灵敏度、特异度与AUC，具体数值见表3。