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
基于增强CT图像和Swin Transformer网络的食管癌T分期智能诊断模型的构建与评估
被引量：
6
1
作者
王润媛
陈星材
+7 位作者
吴蔚
姚洁
郭美
马晋峰
曹锡梅
粘永健
吴毅
崔慧林
《陆军军医大学学报》
CAS
CSCD
北大核心
2023年第16期1770-1778,共9页
目的基于增强CT图像和Swin Transformer网络,拟构建食管癌T分期智能诊断模型。方法收集2018年1月至2022年4月在陆军军医大学第一附属医院和山西省肿瘤医院胸外科经病理证实为食管癌的150例患者的45000张术前增强CT图像。经过UperNet Swi...
目的基于增强CT图像和Swin Transformer网络,拟构建食管癌T分期智能诊断模型。方法收集2018年1月至2022年4月在陆军军医大学第一附属医院和山西省肿瘤医院胸外科经病理证实为食管癌的150例患者的45000张术前增强CT图像。经过UperNet Swin网络自动分割和肿瘤体积的计算,使用ResNet50、Swin Transformer和VIT 3个网络进行食管癌T分期智能诊断模型的构建。使用精准率、召回率、F1-score、特异度以及阴性预测值(negative predictive value,NPV)等指标在150例内部数据集上评价模型性能,描绘混淆矩阵和ROC曲线。结果在3个食管癌T分期诊断的模型中,Swin Transformer模型结合肿瘤体积、病理信息等特征的分期诊断效果最好,T1~T4期的精准率分别为1.00、0.67、0.83、1.00,AUC为0.861,优于ResNet50和VIT分期诊断模型,它们的精准率分别为0.13、0.27、0.59、0.81和0.03、0.14、0.56、0.75,AUC分别是0.611和0.542。结论与ResNet50和VIT网络比较,Swin Transformer网络能够更精准进行食管癌智能T分期诊断。
展开更多
关键词
深度学习
食管癌
增强CT
Swin
Transformer
T分期诊断
在线阅读
下载PDF
职称材料
题名
基于增强CT图像和Swin Transformer网络的食管癌T分期智能诊断模型的构建与评估
被引量：
6
1
作者
王润媛
陈星材
吴蔚
姚洁
郭美
马晋峰
曹锡梅
粘永健
吴毅
崔慧林
机构
山西医科大学基础医学院组织胚胎学教研室
陆军军医
大学
(第三军医
大学
)生物
医学
工程与影像
医学
系数字
医学
教研室
陆军军医
大学
(第三军医
大学
)第一附属医院胸外科
陆军军医
大学
(第三军医
大学
)第一附属医院心外科
山西
省肿瘤医院普外科
出处
《陆军军医大学学报》
CAS
CSCD
北大核心
2023年第16期1770-1778,共9页
基金
高校资助科技创新能力提升项目(2019XYY14)
国家自然科学基金面上项目(31971113)
重庆市英才项目(CQYC201905037)。
文摘
目的基于增强CT图像和Swin Transformer网络,拟构建食管癌T分期智能诊断模型。方法收集2018年1月至2022年4月在陆军军医大学第一附属医院和山西省肿瘤医院胸外科经病理证实为食管癌的150例患者的45000张术前增强CT图像。经过UperNet Swin网络自动分割和肿瘤体积的计算,使用ResNet50、Swin Transformer和VIT 3个网络进行食管癌T分期智能诊断模型的构建。使用精准率、召回率、F1-score、特异度以及阴性预测值(negative predictive value,NPV)等指标在150例内部数据集上评价模型性能,描绘混淆矩阵和ROC曲线。结果在3个食管癌T分期诊断的模型中,Swin Transformer模型结合肿瘤体积、病理信息等特征的分期诊断效果最好,T1~T4期的精准率分别为1.00、0.67、0.83、1.00,AUC为0.861,优于ResNet50和VIT分期诊断模型,它们的精准率分别为0.13、0.27、0.59、0.81和0.03、0.14、0.56、0.75,AUC分别是0.611和0.542。结论与ResNet50和VIT网络比较,Swin Transformer网络能够更精准进行食管癌智能T分期诊断。
关键词
深度学习
食管癌
增强CT
Swin
Transformer
T分期诊断
Keywords
deep learning
esophageal carcinoma
enhanced CT
Swin transformer
T staging of diagnosis
分类号
R318 [医药卫生—生物医学工程]
R730.44 [医药卫生—肿瘤]
R735.1 [医药卫生—肿瘤]
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
基于增强CT图像和Swin Transformer网络的食管癌T分期智能诊断模型的构建与评估
王润媛
陈星材
吴蔚
姚洁
郭美
马晋峰
曹锡梅
粘永健
吴毅
崔慧林
《陆军军医大学学报》
CAS
CSCD
北大核心
2023
6
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
