医学图像分析与机器学习（MEDiml）：更简单影像组学的策略

影像组学从医学图像中提取描述肿瘤形状、强度和纹理的定量特征，以构建预测临床结局的模型。然而，大规模特征集会在小数据集中增加过拟合风险，而构建端到端工作流通常需要编程专业知识。我们推出 MEDiml（Medical Image Analysis with Machine Learning），这是一款开源影像组学软件，提供 Python 包（MEDiml-pkg）和无代码桌面应用（MEDiml-app）两种形式。两者运行于同一计算引擎，代码生成功能可将图形化配置的工作流导出为可执行的 Python 代码。特征提取遵循影像生物标志物标准化倡议（IBSI）标准。MEDiml 以复杂度最小化为核心设计：特征被划分为复杂度递增的层级（形态学、强度、纹理和基于滤波器的特征），在每个层级上训练模型，并保留未被更复杂层级显著超越的最简单层级。应用于五个肿瘤学数据集（2,104 次扫描）时，MEDiml 取得的 AUC 为 0.65 至 0.82，其中五个任务中有四个仅用形态学或强度特征即已足够。资源：www.mediml.app。

中文由 AI 翻译，仅供参考，以原文为准。