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
基于多期动态增强CT影像组学特征和多分类器分层融合模型预测肝细胞癌的微血管侵犯
被引量：
4
1
作者
钟伟雄
梁芳蓉
+1 位作者
杨蕊梦
甄鑫
《南方医科大学学报》
CAS
CSCD
北大核心
2024年第2期260-269,共10页
目的探讨预测肝细胞癌(HCC)患者是否发生微血管侵犯(MVI)而提出了一种基于多期动态增强CT(DCE-CT)影像组学特征和多分类器分层融合的预测模型。方法回顾性收集2016年1月~2020年4月广州市第一人民医院111例经病理证实的HCC患者的术前DCE...
目的探讨预测肝细胞癌(HCC)患者是否发生微血管侵犯(MVI)而提出了一种基于多期动态增强CT(DCE-CT)影像组学特征和多分类器分层融合的预测模型。方法回顾性收集2016年1月~2020年4月广州市第一人民医院111例经病理证实的HCC患者的术前DCE-CT图像。分别在早期动脉期(EAP)、晚期动脉期(LAP)、门静脉期(PVP)和平衡期(EP)进行了感兴趣容积(VOI)的勾画,并从中提取出这4个期相的影像组学特征。利用经过筛选后的特征子集分别训练7种基于不同算法的分类器,得到不同期相下的多个基分类器。然后采用一种新型的基于多准则决策的权重分配算法,按照分层融合的策略依次对同一期相下多个基分类器以及提取了不同期相信息后的模型进行融合,最终得到基于多期DCE-CT影像组学特征和多分类器分层融合预测模型。采用五折交叉验证的方法和ROC曲线下面积(AUC)、准确率(ACC)、灵敏度(SEN)和特异度(SPE)4种评价指标来定量评价所提出的预测模型的性能。提出的模型与使用单一期相或多个不同期相的融合模型、基于单期相单分类器的模型、不同基分类器多样性的模型以及八种基于其他集成方法的分类器模型进行定量比较。结果提出的模型预测HCCMVI的性能在融合4个期相及7种分类器后达到最优,AUC、ACC、SEN和SPE分别为:0.828、0.766、0.877、0.648。对比实验显示,所提出的模型性能优于基于单期相单分类器的模型以及其他集成模型。结论基于多期DCE-CT影像组学特征和多分类器分层融合模型能够很好地预测HCC的MVI情况,相比于其他模型具有较大的性能优势。
展开更多
关键词
肝细胞癌
微血管侵犯
动态增强计算机断层扫描
多分类器
多准则决策
在线阅读
下载PDF
职称材料
基于距匹配及判别表征学习的多模态特征融合分类模型研究:高级别胶质瘤与单发性脑转移瘤的鉴别诊断
2
作者
张振阳
谢金城
+3 位作者
钟伟雄
梁芳蓉
杨蕊梦
甄鑫
《南方医科大学学报》
CAS
CSCD
北大核心
2024年第1期138-145,共8页
目的探索基于距匹配及判别表征学习的多模态特征融合分类模型在鉴别高级别胶质瘤(HGG)与单发性脑转移(SBM)中的鉴别能力和应用价值。方法收集了121例患者(61例HGG和60例SBM)的多参数磁共振成像(MRI)扫描图像,在T1W1、T2W1、T2加权液体...
目的探索基于距匹配及判别表征学习的多模态特征融合分类模型在鉴别高级别胶质瘤(HGG)与单发性脑转移(SBM)中的鉴别能力和应用价值。方法收集了121例患者(61例HGG和60例SBM)的多参数磁共振成像(MRI)扫描图像,在T1W1、T2W1、T2加权液体衰减反转恢复(T2_FLAIR)和T1WI增强图像(CE_T1WI)4种常规轴位MRI图像上勾画目标感兴趣区域(ROI),并使用开源影像组学工具Pyradiomics从4个MRI序列分别提取影像组学特征。使用本研究提出的基于距匹配及判别表征学习的多模态特征融合分类模型对4个MRI序列的影像组学特征进行融合并得到分类模型。采用五折交叉验证方法和特异性(SPE)、灵敏度(SEN)、准确率(ACC)、ROC曲线下面积(AUC)评价该分类模型的鉴别性能。将本研究所提模型与其他特征融合分类模型对于HGG与SBM的鉴别能力进行定量比较,同时对本研究提出特征融合方法得到的融合特征进行样本散点可视化实验,验证本研究所提出的多模态特征融合分类模型的可行性和有效性。结果五折交叉验证结果显示本研究所提出的基于距匹配及判别表征学习的多模态特征融合分类模型在鉴别高级别胶质瘤与单发性脑转移瘤中的SPE、SEN、ACC、AUC分别为:0.871、0.817、0.843、0.930,且特征融合方法在可视化实验中具有优秀的表现。结论基于距匹配及判别表征学习的多模态特征融合分类模型在鉴别高级别胶质瘤与单发性脑转移瘤中的应用具有优秀的鉴别能力和较高的应用价值。同时,与其他特征融合分类模型相比,本研究提出的分类模型在HGG与SBM的鉴别分类任务中具有较大的优势。
展开更多
关键词
特征融合
共享表征学习
判别分析
高级别胶质瘤
单发性脑转移瘤
在线阅读
下载PDF
职称材料
题名
基于多期动态增强CT影像组学特征和多分类器分层融合模型预测肝细胞癌的微血管侵犯
被引量：
4
1
作者
钟伟雄
梁芳蓉
杨蕊梦
甄鑫
机构
南方医科
大学
生物医学工程学院
华南理工大学
附属
第二
医院
(
广州市第一人民医院
)
放射科
华南理工大学
医学院
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2024年第2期260-269,共10页
基金
国家自然科学基金(81874216,62106058)
广东省自然科学基金(2022A1515011410)
+1 种基金
广州市科技计划项目(202201011662)
广州市重点实验室建设项目(202201020376)。
文摘
目的探讨预测肝细胞癌(HCC)患者是否发生微血管侵犯(MVI)而提出了一种基于多期动态增强CT(DCE-CT)影像组学特征和多分类器分层融合的预测模型。方法回顾性收集2016年1月~2020年4月广州市第一人民医院111例经病理证实的HCC患者的术前DCE-CT图像。分别在早期动脉期(EAP)、晚期动脉期(LAP)、门静脉期(PVP)和平衡期(EP)进行了感兴趣容积(VOI)的勾画,并从中提取出这4个期相的影像组学特征。利用经过筛选后的特征子集分别训练7种基于不同算法的分类器,得到不同期相下的多个基分类器。然后采用一种新型的基于多准则决策的权重分配算法,按照分层融合的策略依次对同一期相下多个基分类器以及提取了不同期相信息后的模型进行融合,最终得到基于多期DCE-CT影像组学特征和多分类器分层融合预测模型。采用五折交叉验证的方法和ROC曲线下面积(AUC)、准确率(ACC)、灵敏度(SEN)和特异度(SPE)4种评价指标来定量评价所提出的预测模型的性能。提出的模型与使用单一期相或多个不同期相的融合模型、基于单期相单分类器的模型、不同基分类器多样性的模型以及八种基于其他集成方法的分类器模型进行定量比较。结果提出的模型预测HCCMVI的性能在融合4个期相及7种分类器后达到最优,AUC、ACC、SEN和SPE分别为:0.828、0.766、0.877、0.648。对比实验显示,所提出的模型性能优于基于单期相单分类器的模型以及其他集成模型。结论基于多期DCE-CT影像组学特征和多分类器分层融合模型能够很好地预测HCC的MVI情况,相比于其他模型具有较大的性能优势。
关键词
肝细胞癌
微血管侵犯
动态增强计算机断层扫描
多分类器
多准则决策
Keywords
hepatocellular carcinoma
microvascular invasion
dynamic enhanced computed tomography
multi classifier
multi-criteria decision making
分类号
R735.7 [医药卫生—肿瘤]
R730.44 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
基于距匹配及判别表征学习的多模态特征融合分类模型研究:高级别胶质瘤与单发性脑转移瘤的鉴别诊断
2
作者
张振阳
谢金城
钟伟雄
梁芳蓉
杨蕊梦
甄鑫
机构
南方医科
大学
生物医学工程学院
华南理工大学
附属
第二
医院
(
广州市第一人民医院
)
放射科
华南理工大学
医学院
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2024年第1期138-145,共8页
基金
国家自然科学基金(81874216,62106058,81971574)
广东省自然科学基金(2022A1515011410)
+1 种基金
广州市科技项目的资助(202201011662)
广州市重点实验室建设项目(202201020376)。
文摘
目的探索基于距匹配及判别表征学习的多模态特征融合分类模型在鉴别高级别胶质瘤(HGG)与单发性脑转移(SBM)中的鉴别能力和应用价值。方法收集了121例患者(61例HGG和60例SBM)的多参数磁共振成像(MRI)扫描图像,在T1W1、T2W1、T2加权液体衰减反转恢复(T2_FLAIR)和T1WI增强图像(CE_T1WI)4种常规轴位MRI图像上勾画目标感兴趣区域(ROI),并使用开源影像组学工具Pyradiomics从4个MRI序列分别提取影像组学特征。使用本研究提出的基于距匹配及判别表征学习的多模态特征融合分类模型对4个MRI序列的影像组学特征进行融合并得到分类模型。采用五折交叉验证方法和特异性(SPE)、灵敏度(SEN)、准确率(ACC)、ROC曲线下面积(AUC)评价该分类模型的鉴别性能。将本研究所提模型与其他特征融合分类模型对于HGG与SBM的鉴别能力进行定量比较,同时对本研究提出特征融合方法得到的融合特征进行样本散点可视化实验,验证本研究所提出的多模态特征融合分类模型的可行性和有效性。结果五折交叉验证结果显示本研究所提出的基于距匹配及判别表征学习的多模态特征融合分类模型在鉴别高级别胶质瘤与单发性脑转移瘤中的SPE、SEN、ACC、AUC分别为:0.871、0.817、0.843、0.930,且特征融合方法在可视化实验中具有优秀的表现。结论基于距匹配及判别表征学习的多模态特征融合分类模型在鉴别高级别胶质瘤与单发性脑转移瘤中的应用具有优秀的鉴别能力和较高的应用价值。同时,与其他特征融合分类模型相比,本研究提出的分类模型在HGG与SBM的鉴别分类任务中具有较大的优势。
关键词
特征融合
共享表征学习
判别分析
高级别胶质瘤
单发性脑转移瘤
Keywords
feature fusion
shared representation learning
discriminant analysis
high-grade glioma
solitary brain metastasis
分类号
R739.41 [医药卫生—肿瘤]
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
作者
出处
发文年
被引量
操作
1
基于多期动态增强CT影像组学特征和多分类器分层融合模型预测肝细胞癌的微血管侵犯
钟伟雄
梁芳蓉
杨蕊梦
甄鑫
《南方医科大学学报》
CAS
CSCD
北大核心
2024
4
在线阅读
下载PDF
职称材料
2
基于距匹配及判别表征学习的多模态特征融合分类模型研究:高级别胶质瘤与单发性脑转移瘤的鉴别诊断
张振阳
谢金城
钟伟雄
梁芳蓉
杨蕊梦
甄鑫
《南方医科大学学报》
CAS
CSCD
北大核心
2024
0
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
