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
共找到1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：
T2WI序列纹理分析联合机器学习的影像组学术前预测肾透明细胞癌的病理分级 被引量：9
1
作者 石博文 叶靖 +3 位作者 段绍峰 赵泓博 刘路路 许晴 《中国医学影像学杂志》 CSCD 北大核心 2020年第8期629-632,共4页
目的探讨基于磁共振T2加权图像纹理分析联合机器学习的影像组学评价肾透明细胞癌(ccRCC)病理分级的价值。资料与方法回顾性分析经手术病理证实为ccRCC的63例患者,术前行腹部3.0T MR扫描,首先使用ITK-Snap软件在T2序列图像上勾画感兴趣区... 目的探讨基于磁共振T2加权图像纹理分析联合机器学习的影像组学评价肾透明细胞癌(ccRCC)病理分级的价值。资料与方法回顾性分析经手术病理证实为ccRCC的63例患者,术前行腹部3.0T MR扫描,首先使用ITK-Snap软件在T2序列图像上勾画感兴趣区,再采用A.K.软件提取影像组学特征,得到对术后病理分级最具有诊断价值的特征参数,最后构建随机森林(RF)机器学习模型对最具特征参数进行分类训练和测试。结果通过特征筛选后最后筛选出5个影像组学特征参数,分别为Uniformity、Compactness2、Correlation_AllDirection_offset7_SD、GLCMEntropy_AllDirection_offset7_SD和LongRunHigh GreyLevelEmphasis_angle90_offset7。使用RF模型计算的准确度、敏感度、特异度及ROC曲线下面积分别为85%、100%、72%、0.87。结论基于T2WI图像纹理分析联合机器学习的影像组学对高级别和低级别肾透明细胞癌的鉴别诊断具有价值。 展开更多
关键词 肾肿瘤 磁共振成像 病理学 外科 人工智能
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部