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
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：
基于MR T2WI及弥散加权成像影像组学构建机器学习模型预测直肠癌周围神经侵犯
1
作者 尚宏霖 詹钰琪 +4 位作者 莫少颖 范誉铧 杨云竣 赵海 王伟 《中国医学影像技术》 北大核心 2025年第4期616-621,共6页
目的观察基于MR T2WI及弥散加权成像(DWI)影像组学构建的机器学习(ML)模型预测直肠癌周围神经侵犯(PNI)的价值。方法回顾性收集343例直肠癌,按8∶2比例划分训练集[n=275,92例PNI(+)及183例PNI(-)]与测试集[n=68,23例PNI(+)及45例PNI(-)... 目的观察基于MR T2WI及弥散加权成像(DWI)影像组学构建的机器学习(ML)模型预测直肠癌周围神经侵犯(PNI)的价值。方法回顾性收集343例直肠癌,按8∶2比例划分训练集[n=275,92例PNI(+)及183例PNI(-)]与测试集[n=68,23例PNI(+)及45例PNI(-)]。以单、多因素逻辑回归(LR)分析临床相关资料,筛选直肠癌PNI的独立预测因素并构建临床模型。基于术前T2WI及DWI提取及筛选最佳影像组学特征,分别以极度随机树、多层感知器、轻量梯度提升机、极限梯度提升、支持向量机(SVM)、LR、K-邻近法及随机森林算法构建ML模型,筛选其中最优者,联合临床相关因素构建临床-影像组学ML模型;评估各模型预测效能及临床价值。结果患者年龄为直肠癌PNI的独立预测因素(OR=0.988,P<0.001),以之构建的临床模型在训练集和测试集的曲线下面积(AUC)分别为0.435及0.458。8种ML模型SVM模型最优,其在训练集和测试集的AUC分别为0.887及0.854;临床-影像组学ML模型在训练集和测试集的AUC分别为0.887及0.860,与SVM模型差异均无统计学意义(P均>0.05)。决策曲线分析显示,阈值为0.20~0.45时,SVM模型的临床净收益高于其他模型。结论基于T2WI及DWI影像组学构建的SVM模型可有效预测直肠癌PNI。 展开更多
关键词 直肠肿瘤 肿瘤侵袭性 磁共振成像 影像组学 机器学习
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部