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
人工智能在胃肠道肿瘤影像自动分割可视化的研究进展
1
作者
蒋常琴
张友军
+1 位作者
马文珊
冯强
《磁共振成像》
北大核心
2025年第6期214-219,共6页
医学影像技术的快速发展显著提高了胃肠道肿瘤(gastrointestinal tumors,GIT)的诊断和治疗水平。然而,由于肿瘤形态的复杂性、成像方式的变化以及对高精度描绘的需求,GIT的准确分割和可视化在临床实践中仍面临挑战。人工智能(artificial...
医学影像技术的快速发展显著提高了胃肠道肿瘤(gastrointestinal tumors,GIT)的诊断和治疗水平。然而,由于肿瘤形态的复杂性、成像方式的变化以及对高精度描绘的需求,GIT的准确分割和可视化在临床实践中仍面临挑战。人工智能(artificial intelligence,AI),特别是深度学习(deep learning,DL)模型,已成为医学影像领域的一种变革性方法,在自动化肿瘤分割任务方面显示出巨大的潜力,但同时也存在模型泛化能力有限等问题。GIT的高度异质性对分割模型提出了更高要求,且当前缺乏统一的评估标准与临床验证机制,限制了AI工具在实际诊疗流程中的可信度和可解释性。本文通过系统地综述基于AI的GIT图像自动分割研究进展,重点介绍不同影像检查方式的DL架构、多模态成像模型等AI框架应用方面的关键成果,总结现有研究的不足,探讨其未来研究的发展方向,为AI驱动的分割工具在研究与临床转化中的应用提供理论支持与实践参考。
展开更多
关键词
人工智能
胃肠道肿瘤
深度学习
诊断
多模态成像
在线阅读
下载PDF
职称材料
基于BI-RADS的多参数MRI列线图模型对乳腺黏液癌和黏液样纤维腺瘤的鉴别价值
2
作者
蒋瑞生
高健
+1 位作者
刘淑珍
董海霞
《中国医学计算机成像杂志》
北大核心
2025年第1期43-48,共6页
目的:探索基于乳腺影像报告和数据系统(BI-RADS)的多参数MRI构建的列线图模型对乳腺黏液癌(MBC)和黏液样纤维腺瘤(MFA)的鉴别价值。方法:回顾性分析经手术病理证实的29例MBC和38例MFA的平扫及动态增强MRI资料,比较2组的发病年龄、发病...
目的:探索基于乳腺影像报告和数据系统(BI-RADS)的多参数MRI构建的列线图模型对乳腺黏液癌(MBC)和黏液样纤维腺瘤(MFA)的鉴别价值。方法:回顾性分析经手术病理证实的29例MBC和38例MFA的平扫及动态增强MRI资料,比较2组的发病年龄、发病部位、经过优化的形态学特征、最高表观弥散系数(ADC)值和最低ADC值及其对应的早期强化率和延迟强化曲线,经多因素logistic回归分析筛选具有显著鉴别价值的独立预测变量,构建多参数列线图模型,采用受试者工作特征(ROC)曲线评估模型的鉴别效能。结果:年龄、病变长径及短径、形状、边缘特征、内部强化特征、间隔是否>1.2 mm、皂泡状外观、最高及最低ADC值及其对应的早期强化率在2组间存在统计学差异(P<0.05)。其中病变的边缘特征、皂泡状外观及最高ADC这3个变量是鉴别MBC和MFA的独立预测因素,对应的列线图模型ROC曲线下面积(AUC)为0.987,灵敏度93.10%,特异度94.74%,阳性及阴性预测值和准确率分别为93.10%、94.74%、94.03%。结论:基于BI-RADS的多参数MRI列线图模型对鉴别MBC和MFA具有很高的参考价值。
展开更多
关键词
乳腺黏液癌
乳腺纤维腺瘤
磁共振成像
列线图
在线阅读
下载PDF
职称材料
题名
人工智能在胃肠道肿瘤影像自动分割可视化的研究进展
1
作者
蒋常琴
张友军
马文珊
冯强
机构
山东第二医科大学附属益都中心医院医学影像科
出处
《磁共振成像》
北大核心
2025年第6期214-219,共6页
基金
山东省医药卫生科技项目(编号:202309010835)。
文摘
医学影像技术的快速发展显著提高了胃肠道肿瘤(gastrointestinal tumors,GIT)的诊断和治疗水平。然而,由于肿瘤形态的复杂性、成像方式的变化以及对高精度描绘的需求,GIT的准确分割和可视化在临床实践中仍面临挑战。人工智能(artificial intelligence,AI),特别是深度学习(deep learning,DL)模型,已成为医学影像领域的一种变革性方法,在自动化肿瘤分割任务方面显示出巨大的潜力,但同时也存在模型泛化能力有限等问题。GIT的高度异质性对分割模型提出了更高要求,且当前缺乏统一的评估标准与临床验证机制,限制了AI工具在实际诊疗流程中的可信度和可解释性。本文通过系统地综述基于AI的GIT图像自动分割研究进展,重点介绍不同影像检查方式的DL架构、多模态成像模型等AI框架应用方面的关键成果,总结现有研究的不足,探讨其未来研究的发展方向,为AI驱动的分割工具在研究与临床转化中的应用提供理论支持与实践参考。
关键词
人工智能
胃肠道肿瘤
深度学习
诊断
多模态成像
Keywords
artificial intelligence
gastrointestinal tumors
deep learning
diagnosis
multimodal imaging
分类号
R445.2 [医药卫生—影像医学与核医学]
R735.2 [医药卫生—肿瘤]
R735.3 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
基于BI-RADS的多参数MRI列线图模型对乳腺黏液癌和黏液样纤维腺瘤的鉴别价值
2
作者
蒋瑞生
高健
刘淑珍
董海霞
机构
山东
省
第二
医科
大学
附属
益都
中心医院
医学影像
科
青州市人民
医院
医学影像
科
出处
《中国医学计算机成像杂志》
北大核心
2025年第1期43-48,共6页
文摘
目的:探索基于乳腺影像报告和数据系统(BI-RADS)的多参数MRI构建的列线图模型对乳腺黏液癌(MBC)和黏液样纤维腺瘤(MFA)的鉴别价值。方法:回顾性分析经手术病理证实的29例MBC和38例MFA的平扫及动态增强MRI资料,比较2组的发病年龄、发病部位、经过优化的形态学特征、最高表观弥散系数(ADC)值和最低ADC值及其对应的早期强化率和延迟强化曲线,经多因素logistic回归分析筛选具有显著鉴别价值的独立预测变量,构建多参数列线图模型,采用受试者工作特征(ROC)曲线评估模型的鉴别效能。结果:年龄、病变长径及短径、形状、边缘特征、内部强化特征、间隔是否>1.2 mm、皂泡状外观、最高及最低ADC值及其对应的早期强化率在2组间存在统计学差异(P<0.05)。其中病变的边缘特征、皂泡状外观及最高ADC这3个变量是鉴别MBC和MFA的独立预测因素,对应的列线图模型ROC曲线下面积(AUC)为0.987,灵敏度93.10%,特异度94.74%,阳性及阴性预测值和准确率分别为93.10%、94.74%、94.03%。结论:基于BI-RADS的多参数MRI列线图模型对鉴别MBC和MFA具有很高的参考价值。
关键词
乳腺黏液癌
乳腺纤维腺瘤
磁共振成像
列线图
Keywords
Breast mucinous carcinoma
Breast fibroadenoma
Magnetic resonance imaging
Nomogram
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
作者
出处
发文年
被引量
操作
1
人工智能在胃肠道肿瘤影像自动分割可视化的研究进展
蒋常琴
张友军
马文珊
冯强
《磁共振成像》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于BI-RADS的多参数MRI列线图模型对乳腺黏液癌和黏液样纤维腺瘤的鉴别价值
蒋瑞生
高健
刘淑珍
董海霞
《中国医学计算机成像杂志》
北大核心
2025
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
