arXiv · 机器人与计算机视觉· Yannick Sodonougbo, Marlene Schnieders, Alexia Rizoudis, Santiago Cepeda, Frank Kramer, Dominik M\"uller·· 2026-10-20AI 评分20
预印本论文探讨放射组学特征鲁棒性:三种选择技术在胶质母细胞瘤队列中的对比分析
How Robust Are Prognostic Radiomic Features? Comparing Selection Techniques on Pooled Glioblastoma Cohorts
AI 导读
研究分析了来自三个公共队列的 705 名 IDH-wildtype 胶质母细胞瘤患者,比较了中位数分割后的对数秩检验、单变量 Cox 回归及 SHAP 解释的 XGBoost 三种特征选择技术。结果显示仅年龄等五个特征被全部选中,且分析流程选择会显著影响哪些特征被视为预后指标。该研究揭示了放射组学异质性部分源于方法论本身,代码与数据开放许可状态待确认。
来源:arXiv · 机器人与计算机视觉 · arxiv.org