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
混合磨玻璃结节型肺腺癌脏层胸膜侵犯的临床特征和危险因素分析
被引量：
14
1
作者
符程皓
蒋以恒
+2 位作者
葛佳云
袁梅
王俊
《中国肺癌杂志》
CAS
CSCD
北大核心
2022年第4期236-244,共9页
背景与目的目前国内肺癌仍是发病率和致死率最高的恶性肿瘤,肺腺癌是其最常见的亚型,影像学中表现为混合性磨玻璃结节(mixed ground glass nodule,m GGN)的肺癌逐渐增多。脏层胸膜侵犯(visceral pleural invasion,VPI)是影响m GGN型肺...
背景与目的目前国内肺癌仍是发病率和致死率最高的恶性肿瘤,肺腺癌是其最常见的亚型,影像学中表现为混合性磨玻璃结节(mixed ground glass nodule,m GGN)的肺癌逐渐增多。脏层胸膜侵犯(visceral pleural invasion,VPI)是影响m GGN型肺腺癌预后的重要因素。本研究旨在探索分析m GGN型肺腺癌发生VPI的危险因素。方法回顾性分析2016年11月-2019年11月南京医科大学第一附属医院收治的接受根治性手术的128例m GGN型肺腺癌患者的临床资料,包括影像、病理和生物学特征,其中男性40例、女性88例,年龄30岁-81(60.3±9.3)岁。采用单因素卡方检验与多因素Logistic回归分析调查m GGN型肺腺癌发生VPI的各项危险因素。结果符合纳入标准的128例m GGN型肺腺癌患者中57例被诊断有VPI发生。性别、实性成分最大径、实性成分比例(consolidation tumor ratio,CTR)、毛刺征、肺部疾病史、高血压家族史、肿瘤-胸膜空间位置分型(relation of lesion to pleura,RLP)、支气管与结节走行关系在VPI(+)组和VPI(-)组间的差异均有统计学意义(P<0.05)。Logistic多因素回归分析发现RLP(OR=3.529,95%CI:1.430-8.713,P=0.006)和支气管与结节走行关系(OR=3.993,95%CI:1.517-10.51,P=0.005)是VPI发生的独立危险因素(P<0.05)。结论临床诊治应综合上述参数评估m GGN型肺腺癌发生VPI的可能性。RLP和支气管与结节走行关系异常作为VPI的独立危险因素,对判断m GGN型肺腺癌发生VPI具有一定的指导意义。
展开更多
关键词
混合性磨玻璃结节
肺肿瘤
胸膜侵犯
计算机断层扫描
在线阅读
下载PDF
职称材料
基于DenseNet的低分辨CT影像肺腺癌组织学亚型分类
被引量：
10
2
作者
杨婧
耿辰
+2 位作者
王海林
纪建松
戴亚康
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2019年第6期1164-1170,共7页
为了实现在低剂量、低分辨率CT扫描影像中对肺腺癌组织学亚型的分类鉴别,提出一种基于DenseNet的深度学习方法,从混合性磨玻璃结节(mGGNs)5 mm层厚的低分辨率CT影像中预测IAC和MIA病理分类.从丽水市中心医院105例患者的105个5 mm层厚低...
为了实现在低剂量、低分辨率CT扫描影像中对肺腺癌组织学亚型的分类鉴别,提出一种基于DenseNet的深度学习方法,从混合性磨玻璃结节(mGGNs)5 mm层厚的低分辨率CT影像中预测IAC和MIA病理分类.从丽水市中心医院105例患者的105个5 mm层厚低分辨率CT图像中选取样本,划分训练集和测试集后,对训练集进行数据扩展,构建深度学习2D和3D DenseNet模型,分类鉴别IAC和MIA. 2D DenseNet模型的分类准确度为76.67%,敏感性为63.33%,特异性为90.00%,受试者工作特征曲线下的区域面积为0.888 9,显著优于3D DenseNet模型和其他几种深度学习网络模型.深度学习技术,尤其是2D DenseNet模型,可辅助并指导医生在肺癌CT筛查中对患者的肺腺癌组织学亚型进行预判,特别是在图像分辨率较低的情况下,仍能够快速提供较为准确的诊断.
展开更多
关键词
深度学习
DenseNet
混合性磨玻璃结节
肺腺癌
厚层CT
在线阅读
下载PDF
职称材料
题名
混合磨玻璃结节型肺腺癌脏层胸膜侵犯的临床特征和危险因素分析
被引量：
14
1
作者
符程皓
蒋以恒
葛佳云
袁梅
王俊
机构
南京医科大学第一临床医学院
南京医科大学第一附属医院影像科
南京医科大学第一附属医院胸外科
出处
《中国肺癌杂志》
CAS
CSCD
北大核心
2022年第4期236-244,共9页
基金
江苏省卫生健康委医学科研重点项目(No.K2019002)
白求恩·爱惜康卓越外科基金项目(No.HZB-20190528-13)
江苏省自然科学基金面上项目(No.BK20201492)资助。
文摘
背景与目的目前国内肺癌仍是发病率和致死率最高的恶性肿瘤,肺腺癌是其最常见的亚型,影像学中表现为混合性磨玻璃结节(mixed ground glass nodule,m GGN)的肺癌逐渐增多。脏层胸膜侵犯(visceral pleural invasion,VPI)是影响m GGN型肺腺癌预后的重要因素。本研究旨在探索分析m GGN型肺腺癌发生VPI的危险因素。方法回顾性分析2016年11月-2019年11月南京医科大学第一附属医院收治的接受根治性手术的128例m GGN型肺腺癌患者的临床资料,包括影像、病理和生物学特征,其中男性40例、女性88例,年龄30岁-81(60.3±9.3)岁。采用单因素卡方检验与多因素Logistic回归分析调查m GGN型肺腺癌发生VPI的各项危险因素。结果符合纳入标准的128例m GGN型肺腺癌患者中57例被诊断有VPI发生。性别、实性成分最大径、实性成分比例(consolidation tumor ratio,CTR)、毛刺征、肺部疾病史、高血压家族史、肿瘤-胸膜空间位置分型(relation of lesion to pleura,RLP)、支气管与结节走行关系在VPI(+)组和VPI(-)组间的差异均有统计学意义(P<0.05)。Logistic多因素回归分析发现RLP(OR=3.529,95%CI:1.430-8.713,P=0.006)和支气管与结节走行关系(OR=3.993,95%CI:1.517-10.51,P=0.005)是VPI发生的独立危险因素(P<0.05)。结论临床诊治应综合上述参数评估m GGN型肺腺癌发生VPI的可能性。RLP和支气管与结节走行关系异常作为VPI的独立危险因素,对判断m GGN型肺腺癌发生VPI具有一定的指导意义。
关键词
混合性磨玻璃结节
肺肿瘤
胸膜侵犯
计算机断层扫描
Keywords
Mixed ground glass nodule
Lung neoplasms
Pleural invasion
Computed tomography
分类号
R734.2 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
基于DenseNet的低分辨CT影像肺腺癌组织学亚型分类
被引量：
10
2
作者
杨婧
耿辰
王海林
纪建松
戴亚康
机构
中国科学技术大学
中国科学院苏州生物医学工程技术研究所
丽水市中心医院
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2019年第6期1164-1170,共7页
基金
国家重点研发计划资助项目(2017YFB1103602
2017YFC0114304
+23 种基金
2018YFC0116904)
国家自然科学基金资助项目(61501452
61801476)
中国科学院科研仪器设备研制资助项目(YJKYYQ20170050)
江苏省重点研发计划资助项目(BE2016010-3
BE2016010-4
BE2017675
BE2017663
BE2017664)
江苏省自然科学基金资助项目(BK20180221
BK20170387)
浙江省重点研发计划资助项目(2018C03024)
浙江省基础公益研究计划资助项目(LGF18H160035)
苏州市重点产业技术创新资助项目(SYG201606
SYG201706
SYG201707)
苏州市民生科技资助项目(SYS201656
SS201855
SS201866)
苏州市科技发展计划资助项目(SZS201609
SZS201818)
苏州市高新区医疗卫生科技计划资助项目(2016Z010)
医工结合资助项目(Y853111305
Y853171305)
文摘
为了实现在低剂量、低分辨率CT扫描影像中对肺腺癌组织学亚型的分类鉴别,提出一种基于DenseNet的深度学习方法,从混合性磨玻璃结节(mGGNs)5 mm层厚的低分辨率CT影像中预测IAC和MIA病理分类.从丽水市中心医院105例患者的105个5 mm层厚低分辨率CT图像中选取样本,划分训练集和测试集后,对训练集进行数据扩展,构建深度学习2D和3D DenseNet模型,分类鉴别IAC和MIA. 2D DenseNet模型的分类准确度为76.67%,敏感性为63.33%,特异性为90.00%,受试者工作特征曲线下的区域面积为0.888 9,显著优于3D DenseNet模型和其他几种深度学习网络模型.深度学习技术,尤其是2D DenseNet模型,可辅助并指导医生在肺癌CT筛查中对患者的肺腺癌组织学亚型进行预判,特别是在图像分辨率较低的情况下,仍能够快速提供较为准确的诊断.
关键词
深度学习
DenseNet
混合性磨玻璃结节
肺腺癌
厚层CT
Keywords
deep learning
DenseNet
mixed ground glass nodules
lung adenocarcinoma
thick slice CT
分类号
R318.13 [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
混合磨玻璃结节型肺腺癌脏层胸膜侵犯的临床特征和危险因素分析
符程皓
蒋以恒
葛佳云
袁梅
王俊
《中国肺癌杂志》
CAS
CSCD
北大核心
2022
14
在线阅读
下载PDF
职称材料
2
基于DenseNet的低分辨CT影像肺腺癌组织学亚型分类
杨婧
耿辰
王海林
纪建松
戴亚康
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2019
10
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
