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
术前双能CT影像组学联合机器学习对弥漫型胃腺癌的预测价值
1
作者
李敏
秦洪涛
+4 位作者
高磊
张霞
尤杨
石佳宝
杨丽
《放射学实践》
北大核心
2025年第7期873-881,共9页
目的:探讨双能量CT影像组学联合不同机器学习算法在术前预测弥漫型胃腺癌中的价值。方法:回顾性分析两个医疗中心209例手术切除的进展期胃腺癌患者,分为训练集(中心1,122例)、内部验证集(中心1,53例)和外部验证集(中心2,34例)。使用单...
目的:探讨双能量CT影像组学联合不同机器学习算法在术前预测弥漫型胃腺癌中的价值。方法:回顾性分析两个医疗中心209例手术切除的进展期胃腺癌患者,分为训练集(中心1,122例)、内部验证集(中心1,53例)和外部验证集(中心2,34例)。使用单因素逻辑回归筛选与弥漫型胃癌相关的传统特征(P<0.1),构建临床模型。基于静脉期融合图像和碘图提取影像组学特征,采用组内相关系数(ICC>0.8)、稳定性特征限定及LASSO方法筛选特征,应用逻辑回归(LR)、支持向量机(SVM)和随机森林(RF)3种机器学习算法分别构建影像组学模型。通过受试者操作特征(ROC)曲线、DeLong检验、校准曲线、临床决策曲线(DCA)评价预测模型效能及临床收益,并采用Shapley Additive Explanations(SHAP)方法对最优模型进行可解释性分析。结果:单因素结果显示肿瘤位置是弥漫型胃癌的预测因素,以其建立的临床模型在训练集、内部验证集、外部验证集中的AUC分别为0.599(95%CI:0.509~0.691)、0.625(95%CI:0.474~0.762)和0.495(95%CI:0.306~0.661)。从融合图像和碘图中共筛选出18个影像组学特征,以其构建的LR模型、SVM模型、RF模型在训练集中AUC分别为0.869(95%CI:0.806~0.926)、0.847(95%CI:0.772~0.916)和0.838(95%CI:0.764~0.905),均优于临床模型(P<0.05),其中LR模型预测效能最佳;内部验证集中LR模型AUC为0.833(95%CI:0.701~0.938),优于临床模型(P<0.05);外部验证集中LR模型AUC为0.682(95%CI:0.476~0.856),优于临床模型(P>0.05)。相比于其他模型,LR模型校准曲线最接近参考线,且临床收益较高。结论:采用LR算法的双能量CT影像组学模型在术前区分弥漫型胃腺癌方面具有较高的价值。
展开更多
关键词
胃癌
弥漫型
机器学习算法
双能量CT
影像组学
在线阅读
下载PDF
职称材料
题名
术前双能CT影像组学联合机器学习对弥漫型胃腺癌的预测价值
1
作者
李敏
秦洪涛
高磊
张霞
尤杨
石佳宝
杨丽
机构
河北医科大学第四医院ct核磁共振科
河北医科大学
第一
医院
放射与核医学
科
平乡县人民
医院
出处
《放射学实践》
北大核心
2025年第7期873-881,共9页
基金
河北省医学科学研究课题计划资助(20221314)
河北省省级科技计划资助(22377789D)。
文摘
目的:探讨双能量CT影像组学联合不同机器学习算法在术前预测弥漫型胃腺癌中的价值。方法:回顾性分析两个医疗中心209例手术切除的进展期胃腺癌患者,分为训练集(中心1,122例)、内部验证集(中心1,53例)和外部验证集(中心2,34例)。使用单因素逻辑回归筛选与弥漫型胃癌相关的传统特征(P<0.1),构建临床模型。基于静脉期融合图像和碘图提取影像组学特征,采用组内相关系数(ICC>0.8)、稳定性特征限定及LASSO方法筛选特征,应用逻辑回归(LR)、支持向量机(SVM)和随机森林(RF)3种机器学习算法分别构建影像组学模型。通过受试者操作特征(ROC)曲线、DeLong检验、校准曲线、临床决策曲线(DCA)评价预测模型效能及临床收益,并采用Shapley Additive Explanations(SHAP)方法对最优模型进行可解释性分析。结果:单因素结果显示肿瘤位置是弥漫型胃癌的预测因素,以其建立的临床模型在训练集、内部验证集、外部验证集中的AUC分别为0.599(95%CI:0.509~0.691)、0.625(95%CI:0.474~0.762)和0.495(95%CI:0.306~0.661)。从融合图像和碘图中共筛选出18个影像组学特征,以其构建的LR模型、SVM模型、RF模型在训练集中AUC分别为0.869(95%CI:0.806~0.926)、0.847(95%CI:0.772~0.916)和0.838(95%CI:0.764~0.905),均优于临床模型(P<0.05),其中LR模型预测效能最佳;内部验证集中LR模型AUC为0.833(95%CI:0.701~0.938),优于临床模型(P<0.05);外部验证集中LR模型AUC为0.682(95%CI:0.476~0.856),优于临床模型(P>0.05)。相比于其他模型,LR模型校准曲线最接近参考线,且临床收益较高。结论:采用LR算法的双能量CT影像组学模型在术前区分弥漫型胃腺癌方面具有较高的价值。
关键词
胃癌
弥漫型
机器学习算法
双能量CT
影像组学
Keywords
Gastric adenocarcinoma
Diffuse type
Machine learning algorithms
Dual-energy CT
Radiomics
分类号
R814.42 [医药卫生—影像医学与核医学]
R735.2 [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
术前双能CT影像组学联合机器学习对弥漫型胃腺癌的预测价值
李敏
秦洪涛
高磊
张霞
尤杨
石佳宝
杨丽
《放射学实践》
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
