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
基于纵向时间影像动态增强模式分析的乳腺癌新辅助化疗疗效预测
被引量：
5
1
作者
苏天放
范明
厉力华
《中国生物医学工程学报》
CAS
CSCD
北大核心
2023年第2期139-147,共9页
新辅助化疗由于其较长的治疗周期,对化疗最终疗效早期准确的预测具有重要的临床参考价值。传统影像组学方法由于肿瘤异质性及影像部分容积效应等因素的存在,使得预测的精度难以进一步提高。本研究通过深度影像分解生成不同动态增强模式...
新辅助化疗由于其较长的治疗周期,对化疗最终疗效早期准确的预测具有重要的临床参考价值。传统影像组学方法由于肿瘤异质性及影像部分容积效应等因素的存在,使得预测的精度难以进一步提高。本研究通过深度影像分解生成不同动态增强模式影像,对深度模式进行分析并基于纵向时间影像特征对新辅助化疗疗效进行预测分析。实验将采集的191例乳腺癌患者影像进行预处理,得到肿瘤和腺体感兴趣区域影像并分别提取影像组学特征,计算纵向时间特征变化率。使用随机森林模型对疗效进行预测分析并结合AUC指标对模型分类性能进行评估分析。结果表明,在分解前原始影像的预测任务中取得0.791的最佳AUC。在影像深度分解实验中,肿瘤影像的纵向模式变化在疗效组别中分布更具显著差异(P<0.01),在不同动态模式影像特征的预测任务中取得0.888的最佳AUC。综上,通过结合多区域影像和纵向时间特征,相比于分解前影像,深度分解后的不同模式影像进一步提升了基于特征水平的疗效预测能力,有望对患者早期诊断和方案调整提供重要的参考依据。
展开更多
关键词
乳腺癌
动态
对比
增强
磁共振
影像
分解
新辅助化疗
纵向时间分析
在线阅读
下载PDF
职称材料
基于DCE-MRI影像组学非负矩阵分解的乳腺癌病理信息缺失填充研究
被引量：
2
2
作者
付振宇
范明
厉力华
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021年第4期401-409,共9页
乳腺癌病理报告是乳腺癌诊断和治疗的主要依据,在实际诊疗过程中可能存在临床病理信息缺失的问题。利用动态增强磁共振影像(DCE-MRI)病灶区域的影像特征,结合对应乳腺癌患者的临床病理信息,建立影像组学非负矩阵分解填充模型,以实现对...
乳腺癌病理报告是乳腺癌诊断和治疗的主要依据,在实际诊疗过程中可能存在临床病理信息缺失的问题。利用动态增强磁共振影像(DCE-MRI)病灶区域的影像特征,结合对应乳腺癌患者的临床病理信息,建立影像组学非负矩阵分解填充模型,以实现对缺失的乳腺癌分子分型和细胞角蛋白5/6(CK5/6)基因表达信息的填充。共采集139例乳腺癌患者的术前或化疗前DCE-MRI影像及临床信息,随机划分89例为训练集、50例为测试集。对DCE-MRI影像进行肿瘤的分割,从病灶区域提取统计、形态和纹理特征。采用交叉验证的支持向量机递归特征消除(SVM-RFECV)法进行特征选择,并通过基于并集的方法进一步筛选影像特征,结合乳腺癌临床病理信息,建立非负矩阵分解(NMF)填充模型和协同过滤(CF)填充模型,并计算AUC评价模型的填充性能。当临床病理信息缺失率不同时,NMF模型的AUC值均高于CF模型的值,最高AUC为0.772,在缺失率20%~40%之间,NMF的填充效果要显著优于CF方法的效果(P<0.05);当使用不同数量的影像特征时,NMF模型的AUC值均高于CF模型的值,最高AUC为0.780,且在使用140个影像特征时二者的差异具有统计学意义(P<0.05)。实验表明,DCE-MRI影像组学结合非负矩阵分解方法,可对缺失的分子分型和CK5/6临床指标进行有效填充。
展开更多
关键词
乳腺癌
病理信息
动态增强磁共振影像
非负矩阵分解
矩阵填充
在线阅读
下载PDF
职称材料
题名
基于纵向时间影像动态增强模式分析的乳腺癌新辅助化疗疗效预测
被引量：
5
1
作者
苏天放
范明
厉力华
机构
杭州电子科技大学生物医学工程与仪器研究所
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2023年第2期139-147,共9页
基金
浙江省自然科学基金(LR23F010002)
国家自然科学基金(62271178,U21A20521)。
文摘
新辅助化疗由于其较长的治疗周期,对化疗最终疗效早期准确的预测具有重要的临床参考价值。传统影像组学方法由于肿瘤异质性及影像部分容积效应等因素的存在,使得预测的精度难以进一步提高。本研究通过深度影像分解生成不同动态增强模式影像,对深度模式进行分析并基于纵向时间影像特征对新辅助化疗疗效进行预测分析。实验将采集的191例乳腺癌患者影像进行预处理,得到肿瘤和腺体感兴趣区域影像并分别提取影像组学特征,计算纵向时间特征变化率。使用随机森林模型对疗效进行预测分析并结合AUC指标对模型分类性能进行评估分析。结果表明,在分解前原始影像的预测任务中取得0.791的最佳AUC。在影像深度分解实验中,肿瘤影像的纵向模式变化在疗效组别中分布更具显著差异(P<0.01),在不同动态模式影像特征的预测任务中取得0.888的最佳AUC。综上,通过结合多区域影像和纵向时间特征,相比于分解前影像,深度分解后的不同模式影像进一步提升了基于特征水平的疗效预测能力,有望对患者早期诊断和方案调整提供重要的参考依据。
关键词
乳腺癌
动态
对比
增强
磁共振
影像
分解
新辅助化疗
纵向时间分析
Keywords
breast cancer
dynamic contrast-enhancement magnetic resonance imaging(DCE-MRI)decomposition
neoadjuvant chemotherapy
longitudinal analysis
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
基于DCE-MRI影像组学非负矩阵分解的乳腺癌病理信息缺失填充研究
被引量：
2
2
作者
付振宇
范明
厉力华
机构
杭州电子科技大学生物医学工程与仪器研究所
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021年第4期401-409,共9页
基金
国家自然科学基金(61871428,61731008)
浙江省自然科学基金(J19H180004)。
文摘
乳腺癌病理报告是乳腺癌诊断和治疗的主要依据,在实际诊疗过程中可能存在临床病理信息缺失的问题。利用动态增强磁共振影像(DCE-MRI)病灶区域的影像特征,结合对应乳腺癌患者的临床病理信息,建立影像组学非负矩阵分解填充模型,以实现对缺失的乳腺癌分子分型和细胞角蛋白5/6(CK5/6)基因表达信息的填充。共采集139例乳腺癌患者的术前或化疗前DCE-MRI影像及临床信息,随机划分89例为训练集、50例为测试集。对DCE-MRI影像进行肿瘤的分割,从病灶区域提取统计、形态和纹理特征。采用交叉验证的支持向量机递归特征消除(SVM-RFECV)法进行特征选择,并通过基于并集的方法进一步筛选影像特征,结合乳腺癌临床病理信息,建立非负矩阵分解(NMF)填充模型和协同过滤(CF)填充模型,并计算AUC评价模型的填充性能。当临床病理信息缺失率不同时,NMF模型的AUC值均高于CF模型的值,最高AUC为0.772,在缺失率20%~40%之间,NMF的填充效果要显著优于CF方法的效果(P<0.05);当使用不同数量的影像特征时,NMF模型的AUC值均高于CF模型的值,最高AUC为0.780,且在使用140个影像特征时二者的差异具有统计学意义(P<0.05)。实验表明,DCE-MRI影像组学结合非负矩阵分解方法,可对缺失的分子分型和CK5/6临床指标进行有效填充。
关键词
乳腺癌
病理信息
动态增强磁共振影像
非负矩阵分解
矩阵填充
Keywords
breast cancer
histological information
dynamic contrast enhanced magnetic resonance imaging
non-negative matrix factorization
matrix completion
分类号
R318 [医药卫生—生物医学工程]
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
基于纵向时间影像动态增强模式分析的乳腺癌新辅助化疗疗效预测
苏天放
范明
厉力华
《中国生物医学工程学报》
CAS
CSCD
北大核心
2023
5
在线阅读
下载PDF
职称材料
2
基于DCE-MRI影像组学非负矩阵分解的乳腺癌病理信息缺失填充研究
付振宇
范明
厉力华
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021
2
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
