《表1 T1CE和T2WI MRI序列筛选获得的影像组学特征》

  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MRI影像组学模型预测宫颈淋巴血管间隙浸润的研究》

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

先通过单变量AUC分析筛选出AUC大于0.60的影像学特征，再通过LASSO算法进行特征筛选，共获得12个诊断力强的影像学特征（图2），最后使用m RMR算法去除冗余特征，筛选出的6个特征（表1）的特征间相关性最小，预测能力最强。6个特征中有5个属于小波特征，1个属于拉普拉斯-高斯（Laplacian of Gaussian，Lo G）特征。筛选出的6个特征用于构建logistic分类器，建立预测模型。组学标签公式MRI评分=-0.515 0+0.424 1×特征1+0.434 9×特征2-0.669 7×特征3-0.522 0×特征4-0.601 6×特征5+0.373 1×特征6。