原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第4卷第18期科技与健康Vol.4No.18
2025年9月TechnologyandHealthSept.2025
影像组学分析和机器学习在肺结节
良恶性分类中的应用研究
王剑，易萍，黄艳，李洪英
（四川省江油市九0三医院放射科，四川江油621700）
摘要：分析影像组学分析和机器学习在肺结节良恶性分类中的应用价值。选取2021年3月—2024年3月3105例孤立
性肺结节患者为研究对象，入选患者均行CT检查与病理检查，分别对CT图像进行人工阅片判断以及影像组学分析和
机器学习判断，以病理检查结果为金标准，比较单独人工阅片判断、影像组学分析和机器学习判断以及联合判断的应
用价值。结果显示，人工阅片联合影像组学分析和机器学习判断肺结节良恶性的敏感度、特异度、准确度、阳性预测值
P
均高于单一人工阅片判断、影像组学分析和机器学习判断，差异有统计学意义（＜0.05），三种方法的阴性预测值比
P
较，无统计学差异（＞0.05）。研究发现，影像组学分析和机器学习具有较好的辅助诊断作用，可以提高肺结节良恶性诊
断的准确率，可推广应用。
关键词：影像组学分析；机器学习；肺结节；良恶性分类；敏感度
中图分类号：R734.2文献标识码：ADOI：10.3969/j.issn.2097-2199.2025.18.006
StudyontheApplicationofRadiomicsAnalysisand
MachineLearningintheBenign-MalignantClassificationof
PulmonaryNodules
WangJian,YiPing,HuangYan,LiHongying
(DepartmentofRadiology,Jiangyou903Hospital,Jiangyou,Sichuan621700)
Abstract:Thisstudyaimedtoanalyzetheapplicationvalueofradiomicsanalysisandmachinelearninginthebenign-malignant
classificationofpulmonarynodules.Atotalof3,105patientswithsolitarypulmonarynodulestreatedfromMarch2021toMarch
2024wereselectedasresearchobjects.AllenrolledpatientsunderwentCTexaminationandpathologicalexamination.The
CTimageswereevaluatedbymanualinterpretation,radiomicsanalysiscombinedwithmachinelearning,respectively.Taking
pathologicalexaminationresultsasthegoldstandard,t
初级会计持证人
专注于经营管理类文案的拟写、润色等，本人已有10余年相关工作经验，具有扎实的文案功底，尤善于各种框架类PPT文案，并收集有数百万份各层级、各领域规范类文件。欢迎大家咨询！
文档评论（0）