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T2WI的ResNet深度学习模型术前预测膀胱癌病理分级的研究
被引量：
1
1
作者
黄翔
曹康养
+6 位作者
邹玉坚
邓磊
张蔚菁
杨水清
张坤林
朱玉容
李建鹏
《磁共振成像》
CAS
CSCD
北大核心
2024年第1期125-131,共7页
目的 本研究旨在构建并验证基于T2加权成像(T2-weighted imaging, T2WI)的50层深度残差网络(50-layer deep residualnetwork,ResNet-50)深度学习(deeplearning,DL)模型术前预测膀胱癌(bladder cancer, BCa)病理分级的效能。材料与方法 ...
目的 本研究旨在构建并验证基于T2加权成像(T2-weighted imaging, T2WI)的50层深度残差网络(50-layer deep residualnetwork,ResNet-50)深度学习(deeplearning,DL)模型术前预测膀胱癌(bladder cancer, BCa)病理分级的效能。材料与方法 回顾性分析来自南方医科大学第十附属医院(中心1)和中山大学肿瘤防治中心(中心2)共169名BCa患者的211个肿瘤病灶数据。以病理组织学诊断作为金标准,以肿瘤病灶为单位进行分析,其中高级别尿路上皮癌(high grade urothelial carcinoma, HGUC)为111个,低级别尿路上皮癌(low grade urothelial carcinoma, LGUC)为100个。采用DL模型的ResNet-50方法,基于中心1内部训练集构建模型,所得出的模型在中心1的内部测试集中测试后筛选出最优模型,随后在中心2的外部测试集上进行独立验证。采用受试者工作特征(receiver operating characteristic, ROC)曲线下面积(area under the curve, AUC)、准确率、敏感度和特异度对模型性能进行评估,并进行特征可视化展示。结果 DL模型在内部测试集的AUC为0.856(95%CI:0.723~0.941),准确率为80.9%(95%CI:69.6%~92.1%),敏感度为77.8%(95%CI:65.9%~89.7%),特异度为82.8%(95%CI:72.0%~93.6%);在外部测试集的AUC为0.814 (95%CI:0.686~0.906),准确率为78.2%(95%CI:67.3%~89.1%),敏感度为77.3%(95%CI:66.2%~88.3%),特异度为81.8%(95%CI:71.6%~92.0%)。特征可视化结果显示DL模型较高激活区域与BCa病灶基本重叠,可正确识别BCa靶区域,同时对HGUC与LGUC的特征有一定区分度。结论 本研究首次采用DL方法在术前建立基于T2WI的BCa病理分级预测模型,并在双中心进行验证。该模型无创、客观,泛化性及可重复性强,具有较高的预测准确性,有助于临床术前更精准地诊断。
展开更多
关键词
膀胱癌
深度学习
磁共振成像
肿瘤分级
在线阅读
下载PDF
职称材料
题名
基于T2WI的ResNet深度学习模型术前预测膀胱癌病理分级的研究
被引量：
1
1
作者
黄翔
曹康养
邹玉坚
邓磊
张蔚菁
杨水清
张坤林
朱玉容
李建鹏
机构
南方医科
大学
第十附属医院(东莞市人民医院)放射科
深圳大学医学部生物医学工程学院人工智能实验室
中山
大学
肿瘤防治中心影像科
南方医科
大学
第十附属医院(东莞市人民医院)病理科
出处
《磁共振成像》
CAS
CSCD
北大核心
2024年第1期125-131,共7页
基金
东莞市社会发展科技(重点)项目(编号:20211800905212)。
文摘
目的 本研究旨在构建并验证基于T2加权成像(T2-weighted imaging, T2WI)的50层深度残差网络(50-layer deep residualnetwork,ResNet-50)深度学习(deeplearning,DL)模型术前预测膀胱癌(bladder cancer, BCa)病理分级的效能。材料与方法 回顾性分析来自南方医科大学第十附属医院(中心1)和中山大学肿瘤防治中心(中心2)共169名BCa患者的211个肿瘤病灶数据。以病理组织学诊断作为金标准,以肿瘤病灶为单位进行分析,其中高级别尿路上皮癌(high grade urothelial carcinoma, HGUC)为111个,低级别尿路上皮癌(low grade urothelial carcinoma, LGUC)为100个。采用DL模型的ResNet-50方法,基于中心1内部训练集构建模型,所得出的模型在中心1的内部测试集中测试后筛选出最优模型,随后在中心2的外部测试集上进行独立验证。采用受试者工作特征(receiver operating characteristic, ROC)曲线下面积(area under the curve, AUC)、准确率、敏感度和特异度对模型性能进行评估,并进行特征可视化展示。结果 DL模型在内部测试集的AUC为0.856(95%CI:0.723~0.941),准确率为80.9%(95%CI:69.6%~92.1%),敏感度为77.8%(95%CI:65.9%~89.7%),特异度为82.8%(95%CI:72.0%~93.6%);在外部测试集的AUC为0.814 (95%CI:0.686~0.906),准确率为78.2%(95%CI:67.3%~89.1%),敏感度为77.3%(95%CI:66.2%~88.3%),特异度为81.8%(95%CI:71.6%~92.0%)。特征可视化结果显示DL模型较高激活区域与BCa病灶基本重叠,可正确识别BCa靶区域,同时对HGUC与LGUC的特征有一定区分度。结论 本研究首次采用DL方法在术前建立基于T2WI的BCa病理分级预测模型,并在双中心进行验证。该模型无创、客观,泛化性及可重复性强,具有较高的预测准确性,有助于临床术前更精准地诊断。
关键词
膀胱癌
深度学习
磁共振成像
肿瘤分级
Keywords
bladder neoplasms
deep learning
magnetic resonance imaging
neoplasm grading
分类号
R445.2 [医药卫生—影像医学与核医学]
R737.14 [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T2WI的ResNet深度学习模型术前预测膀胱癌病理分级的研究
黄翔
曹康养
邹玉坚
邓磊
张蔚菁
杨水清
张坤林
朱玉容
李建鹏
《磁共振成像》
CAS
CSCD
北大核心
2024
1
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
