检索结果-维普期刊中文期刊服务平台

CT影像组学列线图预测胃癌内镜活检与术后病理学分型差异被引量：2: 1; 作者赵帅刘译阳 +5 位作者刘思腾陈星枝袁梦晨尤亚茹黄陈翠高剑波《中国介入影像与治疗学》北大核心 2024年第6期343-348,共6页; 目的评估基于CT影像组学的列线图预测胃癌内镜活检与术后病理Lauren分型差异的价值。方法回顾性分析126例经手术病理确诊的胃癌患者,根据内镜活检与术后病理结果是否一致将其分为一致组(n=77)与不一致组(n=49),同时按2∶1比例分为训练... 展开更多; 关键词胃肿瘤体层摄影术 X线计算机病理学影像组学; 在线阅读下载PDF 职称材料

双能量CT影像组学联合临床及CT特征预测胃腺癌分化程度: 2; 作者袁梦晨刘译阳 +6 位作者李红亮陈林段博赵帅尤亚茹陈星枝高剑波《中国医学影像技术》 CSCD 北大核心 2024年第10期1542-1547,共6页; 目的观察双能量CT(DECT)联合临床及CT特征预测胃腺癌(GAC)分化程度的价值。方法前瞻性分析254例GAC患者,根据病理结果将其分为高级别组(低分化GAC,n=88)与低级别组(中-高分化GAC,n=166),同时按8∶2比例分为训练集(n=203,含70例高级别、... 展开更多; 关键词胃肿瘤影像组学细胞分化前瞻性研究; 在线阅读下载PDF 职称材料

基于CT影像组学对孤立性肺结节性质分类的预测效能被引量：14: 3; 作者徐青青单文莉 +3 位作者朱艳黄陈翠包丝雨郭莉莉《南京医科大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第4期617-623,共7页; 目的:探讨肺结节CT影像组学特征与病理分类的关系,并评估不同分层递进影像组学模型对肺结节病理分类的预测效果。方法:纳入2017年7月—2019年8月189例病理证实且具有完整资料的肺结节患者,包括良性结节71例,恶性非浸润结节51例,恶性浸... 展开更多; 关键词孤立性肺结节 CT 影像组学病理分类; 在线阅读下载PDF 职称材料

双参数MRI影像组学模型对前列腺超高b值DWI高信号病变的诊断价值被引量：5: 4; 作者王聪刘娜 +3 位作者包丝雨曹乐辛迪卑贵光《中国医科大学学报》 CAS CSCD 北大核心 2021年第10期914-919,共6页; 目的探讨双参数磁共振成像(MRI)影像组学模型对前列腺超高b值弥散加权成像(DWI)高信号病变的诊断价值。方法收集中国医科大学北部战区总医院2016年1月至2019年8月经MRI扫描发现前列腺超高b值DWI高信号结节且4周内获得穿刺活检病理结果... 展开更多; 关键词前列腺肿瘤磁共振成像影像组学诊断价值; 在线阅读下载PDF 职称材料

基于机器学习的多种分类模型在新型冠状病毒肺炎与社区获得性肺炎鉴别诊断中的效能被引量：7: 5; 作者田斌余晖 +3 位作者任基刚汪汉林徐井旭黄陈翠《放射学实践》 CSCD 北大核心 2021年第5期590-595,共6页; 目的:将14种常用的机器学习分类模型应用于新型冠状病毒肺炎(COVID-19)与社区获得性肺炎(CAP)的鉴别诊断,探讨能为COVID-19的早期诊断提供最优效能的机器学习分类模型。方法:搜集经临床确诊的86例COVID-19患者和100例CAP患者的胸部CT图... 展开更多; 关键词新型冠状病毒肺炎社区获得性肺炎体层摄影术 X线计算机机器学习放射组学诊断鉴别; 在线阅读下载PDF 职称材料

题名CT影像组学列线图预测胃癌内镜活检与术后病理学分型差异被引量：2: 1; 作者赵帅刘译阳刘思腾陈星枝袁梦晨尤亚茹黄陈翠高剑波; 机构郑州大学第一附属医院放射科北京深睿博联科技有限责任公司研发中心科研合作部; 出处《中国介入影像与治疗学》北大核心 2024年第6期343-348,共6页; 基金国家自然科学基金项目(81971615)。; 文摘目的评估基于CT影像组学的列线图预测胃癌内镜活检与术后病理Lauren分型差异的价值。方法回顾性分析126例经手术病理确诊的胃癌患者,根据内镜活检与术后病理结果是否一致将其分为一致组(n=77)与不一致组(n=49),同时按2∶1比例分为训练集与验证集。筛选临床预测因子,构建临床预测模型;于静脉期CT图像提取影像组学特征,采用L1正则化方法对特征进行筛选,以决策树、随机森林、逻辑回归3种机器学习(ML)算法构建影像组学模型;基于临床及最佳影像组学ML模型构建列线图;评估各模型及列线图的预测效能及其临床价值。结果患者年龄、血小板计数、动脉期CT值是预测胃癌内镜活检与术后病理分型不一致的独立因子。3种ML模型中,随机森林预测效能较好,其在训练集与验证集中的曲线下面积(AUC)分别为0.835及0.724。临床模型、影像组学模型及列线图在训练集的AUC分别为0.764、0.835及0.884,在验证集分别为0.760、0.724及0.841;列线图在训练集与验证集均显示出较好的拟合度及临床实用性。结论基于CT影像组学列线图用于预测胃癌内镜活检与术后病理Lauren分型不一致性具有潜在临床应用价值。; 关键词胃肿瘤体层摄影术 X线计算机病理学影像组学; Keywords stomach neoplasms tomography,X-ray computed pathology radiomics; 分类号 R735.2 [医药卫生—肿瘤] R814.42 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

题名双能量CT影像组学联合临床及CT特征预测胃腺癌分化程度: 2; 作者袁梦晨刘译阳李红亮陈林段博赵帅尤亚茹陈星枝高剑波; 机构郑州大学第一附属医院放射科内蒙古科技大学包头医学院第二附属医院放射科北京深睿博联科技有限责任公司研发中心科研合作部; 出处《中国医学影像技术》 CSCD 北大核心 2024年第10期1542-1547,共6页; 文摘目的观察双能量CT(DECT)联合临床及CT特征预测胃腺癌(GAC)分化程度的价值。方法前瞻性分析254例GAC患者,根据病理结果将其分为高级别组(低分化GAC,n=88)与低级别组(中-高分化GAC,n=166),同时按8∶2比例分为训练集(n=203,含70例高级别、133例低级别GAC)及验证集(n=51,含18例高级别、33例低级别GAC)。基于静脉期单能级(40、70、100及140 keV)DECT提取及筛选影像组学特征并构建多能级影像组学模型预测GAC分级;以单因素及多因素logistic回归对训练集临床、CT特征及DECT参数进行分析并构建临床-CT模型,并与多能级影像组学模型构成联合模型。评估各模型预测效能,评价联合模型的校准度。结果临床-CT、多能级影像组学及联合模型在训练集的曲线下面积(AUC)分别为0.74、0.75及0.78,在验证集分别为0.73、0.77及0.78。除联合模型在训练集的AUC高于临床-CT模型外(P<0.05),各模型在各集的AUC差异均无统计学意义(P均>0.05)。联合模型在训练集及验证集的校准度均良好(P均>0.05)。结论DECT影像组学联合临床及CT特征能有效预测GAC分化程度。; 关键词胃肿瘤影像组学细胞分化前瞻性研究; Keywords stomach neoplasms radiomics cell differentiation prospective studies; 分类号 R735.2 [医药卫生—肿瘤] R814.42 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

题名基于CT影像组学对孤立性肺结节性质分类的预测效能被引量：14: 3; 作者徐青青单文莉朱艳黄陈翠包丝雨郭莉莉; 机构南京医科大学附属淮安第一医院影像科北京深睿博联科技有限责任公司研发中心科研合作部; 出处《南京医科大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第4期617-623,共7页; 基金江苏省博士后科研资助计划(2019K278)。; 文摘目的:探讨肺结节CT影像组学特征与病理分类的关系,并评估不同分层递进影像组学模型对肺结节病理分类的预测效果。方法:纳入2017年7月—2019年8月189例病理证实且具有完整资料的肺结节患者,包括良性结节71例,恶性非浸润结节51例,恶性浸润性结节67例。分别构建3种CT影像组学模型,模型1对良性及恶性结节(包括恶性非浸润及浸润性结节)分类;模型2对恶性非浸润及浸润性结节分类;模型3对良性、恶性非浸润及浸润性结节分类。对所有勾画感兴趣区(ROI)进行高通量特征采集,采用智能方法进行特征和分类器筛选建立最佳模型。受试者工作特征(ROC)曲线及曲线下面积(AUC)用于评价模型的预测效能,计算灵敏度、特异度、准确率、阳性预测值和阴性预测值。结果:模型1、2及3分别筛选出20、2及20个影像组学特征,绘制ROC曲线,验证组AUC值分别为0.85、0.89及0.84,模型1灵敏度、特异度、准确率、阳性预测值及阴性预测值为79.66%、70.42%、84.59%、81.74%及67.57%;模型2为88.06%、74.51%、82.2%、81.94%及82.61%;模型3为71.34%、85.05%、70.37%%、83.2%及76.3%。结论:基于CT图像影像组学特征模型可以较好地反映良性结节、恶性非浸润结节及浸润性结节的差异,对其进行分类。; 关键词孤立性肺结节 CT 影像组学病理分类; Keywords solitary pulmonary nodule computed tomography radiomics pathology classification; 分类号 R814.42 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

题名双参数MRI影像组学模型对前列腺超高b值DWI高信号病变的诊断价值被引量：5: 4; 作者王聪刘娜包丝雨曹乐辛迪卑贵光; 机构中国医科大学北部战区总医院放射诊断科北京深睿博联科技有限责任公司研发中心; 出处《中国医科大学学报》 CAS CSCD 北大核心 2021年第10期914-919,共6页; 基金辽宁省自然科学基金重点项目(20170540916)。; 文摘目的探讨双参数磁共振成像(MRI)影像组学模型对前列腺超高b值弥散加权成像(DWI)高信号病变的诊断价值。方法收集中国医科大学北部战区总医院2016年1月至2019年8月经MRI扫描发现前列腺超高b值DWI高信号结节且4周内获得穿刺活检病理结果的81例患者的临床资料,良性34例,恶性47例。患者均行双参数MRI横轴面扫描,参照DWI图像对病灶进行第二版前列腺影像报告和数据系统(PI-RADS v2)评分,利用Dr.Wise多模态科研平台自动勾画DWI(b=3000 s/mm^(2))病灶,并以其为标准半自动勾画T2WI压脂及DWI(b=1000 s/mm^(2))病灶,对已标注的所有感兴趣区提取影像组学特征,剔除缺失率>10%及自相关性P≥0.9的特征参数,然后用L1正则法降维,再用随机森林法构建诊断模型,以5折交叉验证方法对诊断模型进行检验,测量受试者工作特征(ROC)曲线的曲线下面积(AUC),并以最大约登指数为临界值计算诊断模型的灵敏度和特异度。结果PI-RADS v2评分鉴别前列腺良恶性病变ROC的AUC为0.653,灵敏度及特异度分别为0.717、0.486。对81例患者靶病灶提取得到的特征进行相关性分析、降维及随机森林法构建诊断模型后,T2WI压脂、DWI(b=1000 s/mm^(2)、b=3000 s/mm^(2))分别得到具有原始信息的特征9、10、9个,其中包括2个共有特征(伸长率、球形度),3个研究序列区分验证集前列腺病变良恶性的AUC分别为0.723、0.800和0.833;灵敏度分别为0.696、0.732、0.821;特异度分别为0.689、0.733、0.756。结论双参数MRI影像组学模型对前列腺超高b值DWI高信号病变良恶性具有鉴别诊断价值,诊断效能高于PI-RADS v2评分系统。; 关键词前列腺肿瘤磁共振成像影像组学诊断价值; Keywords prostate neoplasms magnetic resonance imaging radiomics diagnostic value; 分类号 R445.2 [医药卫生—影像医学与核医学]; 在线阅读下载PDF 职称材料

题名基于机器学习的多种分类模型在新型冠状病毒肺炎与社区获得性肺炎鉴别诊断中的效能被引量：7: 5; 作者田斌余晖任基刚汪汉林徐井旭黄陈翠; 机构贵州医科大学医学影像学院贵州医科大学附属医院影像科长江航运总医院影像科北京深睿博联科技有限责任公司研发中心; 出处《放射学实践》 CSCD 北大核心 2021年第5期590-595,共6页; 文摘目的:将14种常用的机器学习分类模型应用于新型冠状病毒肺炎(COVID-19)与社区获得性肺炎(CAP)的鉴别诊断,探讨能为COVID-19的早期诊断提供最优效能的机器学习分类模型。方法:搜集经临床确诊的86例COVID-19患者和100例CAP患者的胸部CT图像,利用影像组学方法提取病变区域的纹理特征,使用14种机器学习分类模型构建放射组学特征,通过ROC曲线下面积(AUC)评估模型的诊断效能,AUC最高者的效能最优。结果:14种分类模型的AUC均大于0.9,随机森林(Random Forest)模型的AUC最高(0.9406),高斯贝叶斯(Gaussian NB)模型的AUC最低(0.9037)。结论:14种机器学习分类模型均可有效鉴别COVID-19与CAP,均具有较高的鉴别诊断效能(AUC值均>0.9),效能最高的模型是Random Forest(AUC=0.9406),能够在早期诊断COVID-19方面发挥优势。; 关键词新型冠状病毒肺炎社区获得性肺炎体层摄影术 X线计算机机器学习放射组学诊断鉴别; Keywords Corona virus disease 2019 Community-acquired pneumonia Tomography,X-ray computer Machine learning Radiomics Diagnosis,differentiate; 分类号 R563.1 [医药卫生—呼吸系统] R814.42 [医药卫生—影像医学与核医学]; 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	CT影像组学列线图预测胃癌内镜活检与术后病理学分型差异	赵帅刘译阳刘思腾陈星枝袁梦晨尤亚茹黄陈翠高剑波	《中国介入影像与治疗学》北大核心	2024	2	在线阅读下载PDF 职称材料
2	双能量CT影像组学联合临床及CT特征预测胃腺癌分化程度	袁梦晨刘译阳李红亮陈林段博赵帅尤亚茹陈星枝高剑波	《中国医学影像技术》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于CT影像组学对孤立性肺结节性质分类的预测效能	徐青青单文莉朱艳黄陈翠包丝雨郭莉莉	《南京医科大学学报（自然科学版）》 CAS CSCD 北大核心	2021	14	在线阅读下载PDF 职称材料
4	双参数MRI影像组学模型对前列腺超高b值DWI高信号病变的诊断价值	王聪刘娜包丝雨曹乐辛迪卑贵光	《中国医科大学学报》 CAS CSCD 北大核心	2021	5	在线阅读下载PDF 职称材料
5	基于机器学习的多种分类模型在新型冠状病毒肺炎与社区获得性肺炎鉴别诊断中的效能	田斌余晖任基刚汪汉林徐井旭黄陈翠	《放射学实践》 CSCD 北大核心	2021	7	在线阅读下载PDF 职称材料