期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于CT影像组学特征联合临床特征预测非小细胞肺癌EGFR突变状态 被引量:1
1
作者 杨涛涛 王显棋 +5 位作者 陈灿灿 闫婉莹 王大为 熊坤林 孙志远 陈伟 《陆军军医大学学报》 北大核心 2025年第8期847-857,共11页
目的 探究基于胸部CT影像组学特征联合临床特征预测非小细胞肺癌(non-small cell lung cancer,NSCLC)表皮生长因子受体(epidermal growth factor receptor,EGFR)基因突变的预测价值。方法 采用病例对照研究的方法,收集2013年1月至2023... 目的 探究基于胸部CT影像组学特征联合临床特征预测非小细胞肺癌(non-small cell lung cancer,NSCLC)表皮生长因子受体(epidermal growth factor receptor,EGFR)基因突变的预测价值。方法 采用病例对照研究的方法,收集2013年1月至2023年10月3家医疗中心放射科1 070名NSCLC患者的临床信息和CT图像。其中陆军军医大学第一附属医院719名NSCLC患者按照7∶3的比例随机分成训练集、内部验证集;东部战区总医院173名患者、陆军特色医学中心178名患者分别作为外部验证集1、外部验证集2。使用最小绝对收缩和选择算子回归筛选最佳影像组学特征,构建影像组学模型;以单因素及多因素Logistic回归筛选EGFR突变相关的临床特征,构建临床模型;联合影像组学特征及临床特征构建综合模型。3种分类模型均采用随机森林(random forest,RF)的机器学习方法进行建模。采用曲线下面积(AUC)、准确率、敏感度和特异度评价模型预测效能。绘制校正曲线以评估综合模型的拟合优度,决策曲线评估模型的临床应用价值。结果 影像组学模型在内部验证集、外部验证集1、外部验证集2中的AUC值分别为0.762 4(95%CI:0.692 4~0.825 1)、0.745 4(95%CI:0.671 1~0.814 3)和0.724 7(95%CI:0.639 7~0.801 6);临床预测模型在内部验证集、外部验证集1、外部验证集2的AUC值分别为0.6917(95%CI:0.6279~0.7576)、0.6525(95%CI:0.5767~0.7291)和0.7792(95%CI:0.712 5~0.847 3);基于临床特征和影像组学特征构建的综合模型预测效能值最佳,其在内部验证集、外部验证集1、外部验证集2的AUC值分别为0.818 0(95%CI:0.757 7~0.874 3)、0.782 4(95%CI:0.7031~0.848 2)和0.796 6(95%CI:0.718 1~0.868 6)。校准曲线提示综合模型拟合度较好,决策曲线提示综合模型具有较好的净收益。结论 结合胸部CT影像组学特征与临床特征构建的综合模型在预测NSCLC EGFR基因突变的多中心数据集中表现出更好的预测性能,有助于帮助临床制定治疗策略。 展开更多
关键词 非小细胞肺癌 影像组学 临床特征 表皮生长因子受体
在线阅读 下载PDF
后疫情时代人工智能肺炎辅助诊断系统的临床应用场景探索 被引量:2
2
作者 陈冲 王大为 +10 位作者 于朋鑫 周文 孙希子 唐媛媛 赵赟 刘秋雨 谢开 周舒畅 李大胜 赵绍宏 夏黎明 《放射学实践》 CSCD 北大核心 2024年第7期888-894,共7页
目的:基于临床验证性研究,探索后疫情时代人工智能肺炎辅助诊断系统(AI-ADS)潜在的临床应用场景。方法:回顾性收集了来自三家医院的1049例胸部CT扫描数据,包括400例胸部CT表现正常的病例、233例新冠肺炎病例和416例其他社区获得性肺炎... 目的:基于临床验证性研究,探索后疫情时代人工智能肺炎辅助诊断系统(AI-ADS)潜在的临床应用场景。方法:回顾性收集了来自三家医院的1049例胸部CT扫描数据,包括400例胸部CT表现正常的病例、233例新冠肺炎病例和416例其他社区获得性肺炎病例。六名高年资放射科医师参与了数据标注工作。采用敏感度、特异度、Dice系数和受试者操作特征(ROC)曲线下面积(AUC)评估人工智能系统在相应场景中的性能表现。结果:AI-ADS基于胸部CT识别各类型肺炎、细菌性肺炎、新冠肺炎、其他病毒性肺炎和其他社区获得性肺炎的AUC分别为0.968、0.983、0.992、0.941、0.958,检测各种肺炎的敏感度均超过0.90;鉴别病毒性肺炎和非病毒性肺炎的AUC达到0.950,敏感度为0.885,特异度为0.910;在新冠肺炎和其他社区获得性肺炎测试集中分割肺炎区域的平均Dice系数分别达到0.851和0.753。结论:AI-ADS在肺炎的检测预警、病灶定量分析以及鉴别诊断方面具有良好的性能,具备了后疫情时代的多场景应用价值。 展开更多
关键词 新型冠状病毒感染 社区获得性肺炎 体层摄影术 X线计算机 人工智能 辅助诊断系统
在线阅读 下载PDF
CT定量参数预测肺磨玻璃结节病理类型的价值 被引量:7
3
作者 石逸秋 沈雨雯 +2 位作者 陈劼 闫婉莹 刘可夫 《中国肺癌杂志》 CAS CSCD 北大核心 2024年第2期118-125,共8页
背景与目的肺磨玻璃结节(ground glass nodules,GGNs)的病理类型对临床治疗方案的选择具有十分重要的意义,本研究旨在探讨主观计算机断层扫描(computed tomography,CT)影像学征象及人工智能定量参数在预测GGNs病理类型中的价值。方法回... 背景与目的肺磨玻璃结节(ground glass nodules,GGNs)的病理类型对临床治疗方案的选择具有十分重要的意义,本研究旨在探讨主观计算机断层扫描(computed tomography,CT)影像学征象及人工智能定量参数在预测GGNs病理类型中的价值。方法回顾性分析389例病理明确诊断的GGNs,其中,前驱腺体病变[包括非典型瘤样增生(atypical adenomatous hyperplasia,AAH)、原位腺癌(adenocarcinoma in situ,AIS)]138例,微浸润腺癌(microinvasive adenocarcinoma,MIA)109例,浸润性腺癌(invasive adenocarcinoma,IAC)142例。对结节的影像形态学特征进行主观评价,并利用肺结节人工智能系统自动获得定量参数。结果在主观CT影像学征象中,AAH+AIS、MIA和IAC组间结节最大径及毛刺征、分叶征、胸膜牵拉征出现的频率随病理级别增高而增加;在人工智能定量参数中,结节大小相关参数、CT值相关参数、实性占比、能量及熵随病理级别增高而增加。通过多因素Logistic逐步回归分析,人工智能定量参数在区分GGNs的病理类型中不亚于主观CT影像学征象。结论人工智能定量参数对区分GGNs的病理类型有一定的价值。 展开更多
关键词 肺肿瘤 磨玻璃结节 病理类型 计算机断层扫描
在线阅读 下载PDF
基于深度学习人工智能骨龄测评系统临床应用 被引量:11
4
作者 王岩 霍爱华 +2 位作者 王大为 沈云 彭芸 《中国医学影像技术》 CSCD 北大核心 2021年第1期104-107,共4页
目的观察基于深度学习的人工智能骨龄测评(BAA)系统临床应用及其对低年资儿科放射医师的辅助作用。方法收集80名5~12岁儿童手腕骨X线正位片,对掌指骨进行骨龄测评,由高年资儿科放射医师借助BAA系统建立研究所用参考骨龄。根据中华-05法... 目的观察基于深度学习的人工智能骨龄测评(BAA)系统临床应用及其对低年资儿科放射医师的辅助作用。方法收集80名5~12岁儿童手腕骨X线正位片,对掌指骨进行骨龄测评,由高年资儿科放射医师借助BAA系统建立研究所用参考骨龄。根据中华-05法中的TW3-RUS标准,分别以BAA系统、低年资儿科放射医师及BAA系统辅助低年资儿科放射医师测评骨龄,评价BAA系统临床应用价值及其对低年资儿科放射医师的辅助作用。结果BAA系统骨龄预测值均方根误差(RMSE)和平均绝对误差(MAE)分别为0.62岁和0.47岁,在不同年龄亚组及不同性别亚组预测骨龄均与参考骨龄显著相关(P均<0.05)。BAA系统辅助下,低年资儿科放射医师预测骨龄的RMSE和MAE分别由0.71岁和0.90岁降为0.27岁和0.38岁,用时由4 min 40 s缩短至2 min 15 s。结论BAA系统评价掌指骨骨骺发育情况及骨龄与金标准的一致性良好,可用于辅助测评骨龄,提高低年资儿科放射医师骨龄测评水平和临床工作效率。 展开更多
关键词 年龄测定 骨骼 深度学习 人工智能
在线阅读 下载PDF
基于深度学习的胸部X线肺结核检测研究及多中心临床验证 被引量:11
5
作者 安超 张晨 +7 位作者 郑广平 曹义 杨根东 印宏坤 顾俊 邹彤 吴双 王立非 《放射学实践》 CSCD 北大核心 2022年第6期704-709,共6页
目的:构建基于深度学习的胸部X线肺结核检测模型并通过多中心研究验证其效能及临床价值。方法:回顾性搜集2600例来自3个中心的胸部X线图像并随机分为训练集、验证集和测试集,构建基于RetinaNet架构的肺结核深度学习检测模型,并在ChinaSe... 目的:构建基于深度学习的胸部X线肺结核检测模型并通过多中心研究验证其效能及临床价值。方法:回顾性搜集2600例来自3个中心的胸部X线图像并随机分为训练集、验证集和测试集,构建基于RetinaNet架构的肺结核深度学习检测模型,并在ChinaSet和MontgomerySet胸部X线公开数据集以及来自深圳三院的外部临床测试集上对深度学习模型的鲁棒性进行外部测试。采用受试者工作特征曲线(receiver operator characteristic curve,ROC)评估模型效能。同时通过临床检测评估深度学习模型的重复性和再现性。结果:深度学习模型在内部测试集的ROC曲线下面积(AUC)为0.967,在ChinaSet、MontgomerySet和深圳三院外部测试集的AUC分别为0.95、0.93和0.976,具有较高的准确性和良好的鲁棒性。临床一致性评估证实了模型的重复性和再现性。结论:深度学习模型具备良好的效能,可以作为胸部X线影像结核病检测工具用于临床决策支持。 展开更多
关键词 深度学习 放射摄影术 胸部 结核 多中心研究
在线阅读 下载PDF
基于T2加权成像的影像组学特征和临床特征模型在早期宫颈鳞状细胞癌深间质浸润中的诊断价值 被引量:4
6
作者 任静 何泳蓝 +5 位作者 李源 曹颖 夏晨 向阳 薛华丹 金征宇 《协和医学杂志》 CSCD 2021年第5期705-712,共8页
目的初步探讨基于T2加权成像(T2-weighted imaging,T2WI)的影像组学特征联合患者临床特征构建的模型对早期宫颈鳞状细胞癌深间质浸润(deep stromal invasion,DSI)的诊断价值。方法回顾性纳入2017年1月至2021年2月在北京协和医院行根治... 目的初步探讨基于T2加权成像(T2-weighted imaging,T2WI)的影像组学特征联合患者临床特征构建的模型对早期宫颈鳞状细胞癌深间质浸润(deep stromal invasion,DSI)的诊断价值。方法回顾性纳入2017年1月至2021年2月在北京协和医院行根治性子宫切除术的早期宫颈鳞状细胞癌患者,并按8∶2的比例随机分为训练集和验证集。收集训练集患者的术前临床特征和矢状位T2WI图像影像组学特征资料,经筛选、特征降维后,采用Logistic回归分析法建立早期宫颈癌DSI诊断模型,包括临床特征模型、影像组学模型和临床-影像组学模型。基于验证集数据,采用受试者工作特征(receiver operating characteristic,ROC)曲线对上述模型的性能进行验证。结果共168例符合纳入和排除标准的早期宫颈鳞状细胞癌患者入选本研究。其中训练集135例,验证集33例;经组织病理学证实为浅间质浸润的患者72例,DSI患者96例。共筛选出患者年龄、术前鳞状细胞癌抗原水平、国际妇产科联盟分期3个临床特征和4个影像组学特征用于模型构建。ROC曲线分析显示,临床特征模型、影像组学模型和临床-影像组学模型诊断早期宫颈鳞状细胞癌DSI的曲线下面积分别为0.797(95%CI:0.623~0.971)、0.793(95%CI:0.633~0.954)和0.820(95%CI:0.665~0.974),且以临床-影像组学模型的诊断效能最高,其灵敏度、特异度和准确度分别为85.7%(95%CI:49.8%~100%)、73.7%(95%CI:57.9%~100%)和78.8%(95%CI:69.7%~93.9%)。结论基于T2WI图像的影像组学特征联合临床特征构建的临床-影像组学模型可作为一种无创的术前检查手段高效判断早期宫颈鳞状细胞癌间质浸润深度。 展开更多
关键词 早期宫颈癌 鳞状细胞癌 深间质浸润 影像组学
在线阅读 下载PDF
基于CT平扫影像组学模型预测食管癌淋巴结转移 被引量:12
7
作者 余鎏 黄玲玲 +4 位作者 袁振亚 赵泉 印宏坤 于朋鑫 曹颖 《中国医学影像技术》 CSCD 北大核心 2021年第9期1333-1337,共5页
目的评估术前基于胸部CT平扫影像组学模型预测食管癌患者淋巴结转移的价值。方法回顾性分析368例经术前内镜活检及术后病理确诊的食管癌患者,其中100例淋巴结转移、268例无淋巴结转移,按比例3∶1将其分为训练组(包括201例无淋巴结转移... 目的评估术前基于胸部CT平扫影像组学模型预测食管癌患者淋巴结转移的价值。方法回顾性分析368例经术前内镜活检及术后病理确诊的食管癌患者,其中100例淋巴结转移、268例无淋巴结转移,按比例3∶1将其分为训练组(包括201例无淋巴结转移和75例淋巴结转移)和验证组(67例无淋巴结转移和25例淋巴结转移)。自胸部CT中提取食管癌病灶的影像组学特征,并以最小绝对收缩和选择算子(LASSO)回归进行降维,筛选与食管癌淋巴结转移关联度高的特征;采用支持向量机构建预测淋巴结转移的影像组学模型,并以受试者工作特征(ROC)曲线分析模型的诊断效能。结果共提取1046个组学特征参数,经LASSO降维筛选出11个特征参数用于建立预测淋巴结转移模型。影像组学模型预测训练组淋巴结转移的曲线下面积(AUC)为0.84,敏感度为84.00%,特异度为75.12%,准确率为77.54%;于验证组的AUC为0.82,敏感度为80.00%,特异度为77.61%,准确率为78.26%。结论术前基于胸部CT平扫影像组学模型预测食管癌患者淋巴结转移具有较高价值。 展开更多
关键词 食管肿瘤 淋巴结转移 体层摄影术 X线计算机 影像组学
在线阅读 下载PDF
基于增强CT影像组学模型预测食管癌患者放化疗完全缓解后肿瘤复发的价值 被引量:8
8
作者 黄玲玲 余鎏 +2 位作者 赵泉 印宏坤 任伍波 《中国临床医学影像杂志》 CAS CSCD 2023年第2期91-96,共6页
目的:探讨基于术前平扫期、动脉期和静脉期CT影像所构建的影像组学模型用于预测食管癌患者放化疗完全缓解后肿瘤复发的价值。方法:回顾性收集2013年6月—2019年6月我院接受放化疗治疗的食管癌患者,达到完全缓解后且通过定期复查和随访... 目的:探讨基于术前平扫期、动脉期和静脉期CT影像所构建的影像组学模型用于预测食管癌患者放化疗完全缓解后肿瘤复发的价值。方法:回顾性收集2013年6月—2019年6月我院接受放化疗治疗的食管癌患者,达到完全缓解后且通过定期复查和随访确认肿瘤复发情况。最终入组77例患者并随机分为训练组(38例无复发和11例复发)和验证组(19例无复发和9例复发)。所有患者均在治疗前2周进行增强CT扫描,分别提取平扫期、动脉期和静脉期的食管癌病灶组学特征参数,采用最小绝对收缩和选择算子(LASSO)回归进行数据降维筛选关联特征,通过逻辑(Logistic)回归方法构建预测模型并利用并以受试者工作特征(ROC)曲线和决策(DCA)曲线评估模型效能。结果:通过特征降维在平扫期、动脉期和静脉期内分别筛选出4个、5个和5个组学特征用于建模。基于平扫期、动脉期、静脉期CT影像构建的预测模型在训练组中取得的曲线下面积(AUC)分别为0.806、0.952和0.959;在验证组中取得的AUC分别为0.708、0.930和0.918。决策曲线分析结果表明基于动脉期和静脉期CT影像的组学模型相比于基于平扫期CT影像的组学模型可以更好的预测食管癌复发。结论:基于增强CT建立的影像组学模型预测食管癌患者放化疗完全缓解后复发具有较好的诊断价值。 展开更多
关键词 食管肿瘤 体层摄影术 螺旋计算机
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部