摘要：提取淋巴结超声造影（CEUS）图像的影像组学量化特征可用于淋巴结良恶性的计算机辅助诊断。由于大量特征之间存在冗余和干扰信息,需借助特征选择技术进行特征降维,以获得更具鉴别能力的特征子集。利用实时压缩感知算法进行CEUS视频中淋巴结病灶的运动补偿,提取时域与空域特征。运用最小绝对压缩（LASSO）法、支持向量机回归特征法（SVM-RFE）、Fisher准则法三种特征选择方法,对特征进行降维。运用支持向量机进行交叉验证,得到分类结果。相对原始特征,三种特征选择方法得到的特征子集的分类性能均有提升。其中,运用LASSO进行降维的效果最好,分类的准确率、精度、敏感性、特异性和约登指数分别达到98.5%、100%、97.1%、100%和97.1%,相较全体特征的分类结果分别提升11.4%、14.8%、15.0%、14.3%和29.2%。结果表明,对影像组学量化特征的降维能够筛选出更具鉴别能力的特征子集,从而提升计算机辅助诊断的性能。

关键词：淋巴结 影像组学 超声造影 特征选择 计算机辅助诊断 

单位：上海大学通信与信息工程学院; 上海200444; 复旦大学附属中山医院超声科; 上海200032