期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
磁敏感加权成像在脑胶质瘤鉴别诊断、术前病理分级及术中的应用
被引量：
5
1
作者
哈热勒哈什·安曼太
巴图尔·吐尔地
《分子影像学杂志》
2022年第6期891-896,共6页
目的探讨磁敏感加权成像(SWI)在脑胶质瘤鉴别诊断、术前病理分级及手术指导中的应用。方法回顾性分析新疆维吾尔自治区人民医院2018年10月~2021年10月经手术及组织病理学检查证实为脑胶质瘤(n=64)、单发脑转移瘤(n=15)和颅内淋巴瘤(n=15...
目的探讨磁敏感加权成像(SWI)在脑胶质瘤鉴别诊断、术前病理分级及手术指导中的应用。方法回顾性分析新疆维吾尔自治区人民医院2018年10月~2021年10月经手术及组织病理学检查证实为脑胶质瘤(n=64)、单发脑转移瘤(n=15)和颅内淋巴瘤(n=15)的患者的临床资料。以病理结果作为金标准,将脑胶质瘤患者按照世界卫生组织肿瘤分类标准分为低级别组(n=27)和高级别组(n=37),所有患者均通过SWI检测,进行瘤内磁敏感信号强度(ITSS)分级评估以及肿瘤实质区与瘤周水肿区相对脑血容量(rCBV)值测定,比较不同肿瘤类型差异,并通过ROC曲线评估其在高级别与低级别脑胶质瘤中的鉴别价值。结果高级别脑胶质瘤与单发脑转移瘤ITSS分级、肿瘤实质区rCBV值的差异无统计学意义(P>0.05);高级别脑胶质瘤周水肿区rCBV值高于单发脑转移瘤(P<0.05);高级别脑胶质瘤ITSS分级程度低于淋巴瘤,血管评分高于淋巴瘤(P<0.05);高级别胶质瘤ITSS分级高于低级别胶质瘤,肿瘤实质区rCBV值高于低级别胶质瘤(P<0.05);Spearman相关性分析结果显示,胶质瘤分级与ITSS分级、rCBV值呈正相关关系(r=0.728、0.851,P<0.05);ITSS分级评估脑胶质瘤高级别ROC曲线下面积为0.894,敏感度、特异性、准确度分别为81.08%、85.19%、82.81%;rCBV值评估脑胶质瘤高级别ROC曲线下面积为0.937,敏感度、特异性、准确度分别为91.89%、88.89%、90.63%;64例脑胶质瘤患者,和常规序列相比,SWI序列对于肿瘤边界的显示更为清晰,同时可呈现肿瘤微小血管病变信息,胶质瘤肿瘤实质区rCBV值均高于瘤周水肿区rCBV值(P<0.05)。结论SWI有助于高级别胶质瘤的鉴别诊断,对于胶质瘤低级别与高级别的评估效能较高,可在一定程度上指导术中脑胶质瘤切除。
展开更多
关键词
脑胶质瘤
磁敏感加权成像
鉴别诊断
病理分级
手术指导
在线阅读
下载PDF
职称材料
基于MRI影像组学特征构建的机器学习模型在术前预测浸润性乳腺癌分子分型的价值
2
作者
古力吉
热
·太来提
哈热勒哈什·安曼太
+1 位作者
王英颖
火忠
《分子影像学杂志》
2025年第6期699-705,共7页
目的探讨根据MRI影像组学特征建立的机器学习模型在术前预测浸润性乳腺癌分子分型中的价值。方法回顾性分析2023年1月~2024年6月在我院接受手术治疗的浸润性乳腺癌患者155例,根据术后病理及免疫组化结果将患者分为Luminal型(Luminal A型...
目的探讨根据MRI影像组学特征建立的机器学习模型在术前预测浸润性乳腺癌分子分型中的价值。方法回顾性分析2023年1月~2024年6月在我院接受手术治疗的浸润性乳腺癌患者155例,根据术后病理及免疫组化结果将患者分为Luminal型(Luminal A型和Luminal B型)、HER2过表达型以及三阴型乳腺癌。比较3组患者临床病理及MRI征象资料;对所有患者MRI第2期图像进行手动分割病灶,提取ROI影像组学特征变量,采用LASSO回归对特征变量进行降维、筛选。将所有样本数据按照7∶3比例分为训练集和测试集;采用随机森林、逻辑回归、支持向量机3种机器学习模型对筛选出的影像组学特征变量进行建模,绘制ROC曲线评估不同机器学习模型在术前评估浸润性乳腺癌分子分型中的效能。结果3组一般临床病理资料及影像指标的差异无统计学意义(P>0.05);混淆矩阵显示,随机森林模型的诊断敏感度为96.55%,特异度为93.33%,准确度为93.62%,高于逻辑回归和支持向量机模型(P<0.05);ROC曲线分析显示,随机森林模型预测的AUC为0.903(95%CI:0.815~0.958),高于逻辑回归模型的0.680(95%CI:0.565~0.782)和支持向量机模型的0.693(95%CI:0.579~0.793)(P<0.05)。结论通过基于MRI影像组学特征及机器学习算法构建的随机森林模型在术前预测浸润性乳腺癌分子分型方面具有较高的效能。
展开更多
关键词
机器学习模型
影像组学特征
浸润性乳腺癌
分子分型
在线阅读
下载PDF
职称材料
题名
磁敏感加权成像在脑胶质瘤鉴别诊断、术前病理分级及术中的应用
被引量：
5
1
作者
哈热勒哈什·安曼太
巴图尔·吐尔地
机构
新疆维吾尔自治区人民医院放射科
出处
《分子影像学杂志》
2022年第6期891-896,共6页
基金
新疆维吾尔自治区人民医院院内项目(20200416)。
文摘
目的探讨磁敏感加权成像(SWI)在脑胶质瘤鉴别诊断、术前病理分级及手术指导中的应用。方法回顾性分析新疆维吾尔自治区人民医院2018年10月~2021年10月经手术及组织病理学检查证实为脑胶质瘤(n=64)、单发脑转移瘤(n=15)和颅内淋巴瘤(n=15)的患者的临床资料。以病理结果作为金标准,将脑胶质瘤患者按照世界卫生组织肿瘤分类标准分为低级别组(n=27)和高级别组(n=37),所有患者均通过SWI检测,进行瘤内磁敏感信号强度(ITSS)分级评估以及肿瘤实质区与瘤周水肿区相对脑血容量(rCBV)值测定,比较不同肿瘤类型差异,并通过ROC曲线评估其在高级别与低级别脑胶质瘤中的鉴别价值。结果高级别脑胶质瘤与单发脑转移瘤ITSS分级、肿瘤实质区rCBV值的差异无统计学意义(P>0.05);高级别脑胶质瘤周水肿区rCBV值高于单发脑转移瘤(P<0.05);高级别脑胶质瘤ITSS分级程度低于淋巴瘤,血管评分高于淋巴瘤(P<0.05);高级别胶质瘤ITSS分级高于低级别胶质瘤,肿瘤实质区rCBV值高于低级别胶质瘤(P<0.05);Spearman相关性分析结果显示,胶质瘤分级与ITSS分级、rCBV值呈正相关关系(r=0.728、0.851,P<0.05);ITSS分级评估脑胶质瘤高级别ROC曲线下面积为0.894,敏感度、特异性、准确度分别为81.08%、85.19%、82.81%;rCBV值评估脑胶质瘤高级别ROC曲线下面积为0.937,敏感度、特异性、准确度分别为91.89%、88.89%、90.63%;64例脑胶质瘤患者,和常规序列相比,SWI序列对于肿瘤边界的显示更为清晰,同时可呈现肿瘤微小血管病变信息,胶质瘤肿瘤实质区rCBV值均高于瘤周水肿区rCBV值(P<0.05)。结论SWI有助于高级别胶质瘤的鉴别诊断,对于胶质瘤低级别与高级别的评估效能较高,可在一定程度上指导术中脑胶质瘤切除。
关键词
脑胶质瘤
磁敏感加权成像
鉴别诊断
病理分级
手术指导
Keywords
brain glioma
magnetic susceptibility weighted imaging
differential diagnosis
pathological grading
surgical guidance
分类号
R445.2 [医药卫生—影像医学与核医学]
R739.41 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
基于MRI影像组学特征构建的机器学习模型在术前预测浸润性乳腺癌分子分型的价值
2
作者
古力吉
热
·太来提
哈热勒哈什·安曼太
王英颖
火忠
机构
新疆维吾尔自治区人民医院放射影像中心
出处
《分子影像学杂志》
2025年第6期699-705,共7页
基金
新疆维吾尔自治区人民医院院内项目(20210230)。
文摘
目的探讨根据MRI影像组学特征建立的机器学习模型在术前预测浸润性乳腺癌分子分型中的价值。方法回顾性分析2023年1月~2024年6月在我院接受手术治疗的浸润性乳腺癌患者155例,根据术后病理及免疫组化结果将患者分为Luminal型(Luminal A型和Luminal B型)、HER2过表达型以及三阴型乳腺癌。比较3组患者临床病理及MRI征象资料;对所有患者MRI第2期图像进行手动分割病灶,提取ROI影像组学特征变量,采用LASSO回归对特征变量进行降维、筛选。将所有样本数据按照7∶3比例分为训练集和测试集;采用随机森林、逻辑回归、支持向量机3种机器学习模型对筛选出的影像组学特征变量进行建模,绘制ROC曲线评估不同机器学习模型在术前评估浸润性乳腺癌分子分型中的效能。结果3组一般临床病理资料及影像指标的差异无统计学意义(P>0.05);混淆矩阵显示,随机森林模型的诊断敏感度为96.55%,特异度为93.33%,准确度为93.62%,高于逻辑回归和支持向量机模型(P<0.05);ROC曲线分析显示,随机森林模型预测的AUC为0.903(95%CI:0.815~0.958),高于逻辑回归模型的0.680(95%CI:0.565~0.782)和支持向量机模型的0.693(95%CI:0.579~0.793)(P<0.05)。结论通过基于MRI影像组学特征及机器学习算法构建的随机森林模型在术前预测浸润性乳腺癌分子分型方面具有较高的效能。
关键词
机器学习模型
影像组学特征
浸润性乳腺癌
分子分型
Keywords
machine learning model
radiomics features
invasive breast cancer
molecular subtyping
分类号
R737.9 [医药卫生]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
磁敏感加权成像在脑胶质瘤鉴别诊断、术前病理分级及术中的应用
哈热勒哈什·安曼太
巴图尔·吐尔地
《分子影像学杂志》
2022
5
在线阅读
下载PDF
职称材料
2
基于MRI影像组学特征构建的机器学习模型在术前预测浸润性乳腺癌分子分型的价值
古力吉
热
·太来提
哈热勒哈什·安曼太
王英颖
火忠
《分子影像学杂志》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
