CROMBÉ, Amandine; KIND, Michèle; FADLI, David; LE LOARER, François; ITALIANO, Antoine; BUY, Xavier; SAUT, Olivier

doi:10.1038/s41598-020-72535-0

Métadonnées

Licence d’utilisation du document

CROMBÉ, Amandine
Institut Bergonié [Bordeaux]
Modélisation Mathématique pour l'Oncologie [MONC]
Université de Bordeaux [UB]

KIND, Michèle
Institut Bergonié [Bordeaux]

FADLI, David
Institut Bergonié [Bordeaux]

Langue

Article de revue

Ce document a été publié dans

Scientific Reports. 2020-12, vol. 10, n° 1

Nature Publishing Group

Résumé en anglais

Intensity harmonization techniques (IHT) are mandatory to homogenize multicentric MRIs before any quantitative analysis because signal intensities (SI) do not have standardized units. Radiomics combine quantification of tumors' radiological phenotype with machine-learning to improve predictive models, such as metastasticrelapse-free survival (MFS) for sarcoma patients. We post-processed the initial T2weighted-imaging of 70 sarcoma patients by using 5 IHTs and extracting 45 radiomics features (RFs), namely: classical standardization (IHTstd), standardization per adipose tissue SIs (IHTfat), histogram-matching with a patient histogram< Réduire

Métadonnées

Partager cette publication !

Licence d’utilisation du document

Intensity Harmonization Techniques Influence Radiomics Features and Radiomics-based Predictions in Sarcoma Patients

Langue

Ce document a été publié dans

Résumé en anglais

URI

DOI

Origine

Unités de recherche