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
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
CT纹理分析联合机器学习对椎体隐匿性骨折辅助诊断价值初探
被引量：
19
1
作者
彭云
王猛
+3 位作者
刘畅
贾宏茹
吴晶涛
罗先富
《暨南大学学报（自然科学与医学版）》
CAS
CSCD
北大核心
2020年第3期268-275,共8页
目的:探究CT纹理分析联合机器学习多层感知模型对椎体隐匿性骨折早期检出的辅助诊断价值.方法:回顾性分析2017年1月至2018年12月84例经MRI证实为胸/腰椎隐匿性骨折病例的CT资料,每例患者选择一个隐匿性骨折椎体纳入实验组,选择一个相邻...
目的:探究CT纹理分析联合机器学习多层感知模型对椎体隐匿性骨折早期检出的辅助诊断价值.方法:回顾性分析2017年1月至2018年12月84例经MRI证实为胸/腰椎隐匿性骨折病例的CT资料,每例患者选择一个隐匿性骨折椎体纳入实验组,选择一个相邻正常椎体纳入对照组.对CT图像进行标准化后,使用A.K.(artificial intelligent kit)软件分别提取椎体CT矢状位及轴位图像纹理特征.将实验组与对照组椎体按照7∶3的比例分为训练组与验证组,通过单因素方差分析、M-W秩和检验以及Spearman秩相关分析,依次对训练组椎体矢状位及轴位CT图像纹理参数进行筛选,采用多层感知模型对筛选出的参数进行建模,最后采用验证组验证其诊断效能.结果:椎体矢状位CT图像纹理参数筛选后获得最低密度值、能量、峰度、低密度增强值、Hara方差5个参数,对训练组参数进行学习建立多层感知模型后,训练组与验证组的曲线下面积(AUC)分别为1.00和0.84.椎体轴位CT图像纹理特征进行筛选后获得均值、能量、均质性、偏度、范围、区域百分比6个参数,对训练组参数进行学习建立多层感知模型后,训练组与验证组的AUC分别为1.00和0.85.结论:机器学习多层感知模型对椎体CT图像纹理特征进行筛选及建模,能够辅助诊断椎体隐匿性骨折,从而降低漏诊率.
展开更多
关键词
机器学习
纹理分析
隐匿性骨折
多层感知模型
在线阅读
下载PDF
职称材料
题名
CT纹理分析联合机器学习对椎体隐匿性骨折辅助诊断价值初探
被引量：
19
1
作者
彭云
王猛
刘畅
贾宏茹
吴晶涛
罗先富
机构
中南大学湘雅二
医院
影像科
扬州大学
临床医学
院江苏省苏北人民
医院
影像科
国家癌症中心/国家肿瘤临床医学研究中心/中国医学科学院北京协和医院肿瘤医院深圳医院
出处
《暨南大学学报（自然科学与医学版）》
CAS
CSCD
北大核心
2020年第3期268-275,共8页
基金
江苏省青年基金项目(BK20160450)
江苏六大人才高峰项目(WSN-277)
+1 种基金
江苏省十三五科教强卫青年重点人才项目(QNRC2016321)
扬州市十三五科教强卫重点人才项目(YZZDRC201816)。
文摘
目的:探究CT纹理分析联合机器学习多层感知模型对椎体隐匿性骨折早期检出的辅助诊断价值.方法:回顾性分析2017年1月至2018年12月84例经MRI证实为胸/腰椎隐匿性骨折病例的CT资料,每例患者选择一个隐匿性骨折椎体纳入实验组,选择一个相邻正常椎体纳入对照组.对CT图像进行标准化后,使用A.K.(artificial intelligent kit)软件分别提取椎体CT矢状位及轴位图像纹理特征.将实验组与对照组椎体按照7∶3的比例分为训练组与验证组,通过单因素方差分析、M-W秩和检验以及Spearman秩相关分析,依次对训练组椎体矢状位及轴位CT图像纹理参数进行筛选,采用多层感知模型对筛选出的参数进行建模,最后采用验证组验证其诊断效能.结果:椎体矢状位CT图像纹理参数筛选后获得最低密度值、能量、峰度、低密度增强值、Hara方差5个参数,对训练组参数进行学习建立多层感知模型后,训练组与验证组的曲线下面积(AUC)分别为1.00和0.84.椎体轴位CT图像纹理特征进行筛选后获得均值、能量、均质性、偏度、范围、区域百分比6个参数,对训练组参数进行学习建立多层感知模型后,训练组与验证组的AUC分别为1.00和0.85.结论:机器学习多层感知模型对椎体CT图像纹理特征进行筛选及建模,能够辅助诊断椎体隐匿性骨折,从而降低漏诊率.
关键词
机器学习
纹理分析
隐匿性骨折
多层感知模型
Keywords
machine learning
texture analysis
occult fractures
multilayer perception model
分类号
R445.3 [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纹理分析联合机器学习对椎体隐匿性骨折辅助诊断价值初探
彭云
王猛
刘畅
贾宏茹
吴晶涛
罗先富
《暨南大学学报（自然科学与医学版）》
CAS
CSCD
北大核心
2020
19
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
