机器学习鉴别模型：鼻咽癌转移淋巴结的CT影像辅助诊断

该研究论文探讨了"基于机器学习的鼻咽癌转移淋巴结鉴别模型"，旨在通过结合机器学习技术与影像组学分析来提高鼻咽癌患者淋巴结转移的诊断准确性。研究对象是50例经病理和18F-FDG-PET检查确认的鼻咽癌患者，他们均有局部淋巴结转移。研究人员手动标记了CT图像中体积大于1cm3的淋巴结，并依据18F-FDG-PET图像中的SUVmax值（大于2.5）以及传统影像学标准来定义转移和非转移的分类。 研究者使用机器学习方法对这些淋巴结进行训练，分为训练组（100枚转移淋巴结）和验证组（43枚转移淋巴结），以随机分组方式避免系统性误差。经过训练，他们成功构建了一个模型，该模型能够利用淋巴结的体积、最大横截面短轴以及多种影像组学特征来鉴别转移淋巴结，其准确率达到86%。 特征选择部分显示，关键的诊断特征包括最大横截面直径、平均宽度、灰度强度能量、像素数量、频度和形态密实度等。这一模型的应用有助于在CT扫描中辅助医生识别转移淋巴结，为临床提供了快速且精确的判定工具，特别是在个体化放射治疗中，有助于精确划定靶区，从而优化治疗策略。 该研究的关键词集中在机器学习、鼻咽癌、转移淋巴结、辅助诊断以及模型构建上。在分类号方面，研究属于医学领域，涉及放射医学（R730.49）和肿瘤学（R318）。文章的编号为1005-202X，表明这是一篇发表在具有专业影响力的医学期刊上的研究论文。这项工作对于提高鼻咽癌转移淋巴结的早期诊断和个性化治疗具有重要意义。