期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
全肿瘤弥散峰度成像直方图分析预测脑膜瘤分级及细胞增殖活性 被引量:8
1
作者 陈晓丹 郑德春 +6 位作者 陈兴发 林孔起 何庄贞 苏丽清 陈韵彬 林霖 薛蕴菁 《中国医学影像技术》 CSCD 北大核心 2022年第8期1139-1144,共6页
目的观察全肿瘤弥散峰度成像(DKI)直方图分析评估脑膜瘤分级及细胞增殖活性的价值。方法根据手术病理结果将174例术前均接受MR DKI检查的脑膜瘤患者分为低级别脑膜瘤(LGM,Ⅰ级)组和高级别脑膜瘤(HGM,Ⅱ/Ⅲ级)组,比较组间平均峰度(MK)、... 目的观察全肿瘤弥散峰度成像(DKI)直方图分析评估脑膜瘤分级及细胞增殖活性的价值。方法根据手术病理结果将174例术前均接受MR DKI检查的脑膜瘤患者分为低级别脑膜瘤(LGM,Ⅰ级)组和高级别脑膜瘤(HGM,Ⅱ/Ⅲ级)组,比较组间平均峰度(MK)、轴向峰度(AK)、径向峰度(RK)、各向异性分数(FA)、平均扩散率(MD)的直方图参数,评估各参数对脑膜瘤分级的诊断效能及其与Ki-67标记指数(LI)间的相关性。结果HGM组MK[第10、50、90百分位数(p10、p50、p90)及均值、最大值、方差]、AK(p10、p50、p90、均值、最大值)、RK(p50、p90、均值、最大值、方差)、MD(方差)及FA(最大值)均高于LGM组(P均<0.05),MD(p10、最小值)低于LGM组(P均<0.05)。上述各参数均可用于鉴别HGM与LGM,尤以MKp90的曲线下面积最大(0.87),准确度为83.33%。Ki-67LI与上述各直方图参数均相关(P均<0.05),与MKp90的相关系数最大(r_(s)=0.64)。结论全肿瘤DKI直方图分析可用于评估脑膜瘤分级及细胞增殖活性。 展开更多
关键词 脑膜瘤 弥散磁共振成像 直方图分析 肿瘤分级 细胞增殖
在线阅读 下载PDF
能谱CT预测同步放化疗用于中晚期食管癌效果 被引量:1
2
作者 马宁 郑德春 +5 位作者 鲍道亮 钟婧 肖友平 苏丽清 陈兴发 伍榕霞 《中国医学影像技术》 CSCD 北大核心 2022年第11期1647-1651,共5页
目的 观察能谱CT预测同步放化疗(CRT)用于中晚期食管癌效果的价值。方法 回顾性分析于CRT前后均接受能谱CT增强扫描的89例中晚期食管癌患者,根据疗效分为有效组(完全缓解+部分缓解)和无效组(疾病进展+疾病稳定)。在GE AW4.7后处理工作... 目的 观察能谱CT预测同步放化疗(CRT)用于中晚期食管癌效果的价值。方法 回顾性分析于CRT前后均接受能谱CT增强扫描的89例中晚期食管癌患者,根据疗效分为有效组(完全缓解+部分缓解)和无效组(疾病进展+疾病稳定)。在GE AW4.7后处理工作站于碘图中勾画病灶ROI,获得CRT前(pre-)、后(post-)病灶动脉期标准化碘值(SAI)及静脉期标准化碘值(SVI),计算CRT前后标准化碘值变化率(△SAI%、△SVI%);再于单能量图像上勾画病灶ROI,获得病灶动脉期(k)及静脉期(k)能谱曲线斜率,计算CRT前后能谱曲线斜率变化量(△k、△k)。采用受试者工作特征(ROC)曲线评价各参数评估CRT疗效的效能。结果 CRT后完全缓解5例,部分缓解51例,疾病进展31例,疾病稳定2例,即有效组56例、无效组33例;组间pre-SAI、post-SVI、△SAI%、△SVI%、post-k、post-k、△k及△k差异均有统计学意义(P均<0.05)。ROC曲线显示,上述组间差异具有统计学意义的参数中,△SAI%预测CRT疗效的效能相对较高,其曲线下面积(AUC)为0.81;阈值取-0.08时,其敏感度为64.29%,特异度为84.85%。结论 利用能谱CT,通过定量分析病灶能谱CT碘值和曲线斜率,可预测CRT用于中晚期食管癌的效果。 展开更多
关键词 食管肿瘤 体层摄影术 X线计算机 放射治疗 药物治疗
在线阅读 下载PDF
引入门控轴向自注意力的多通道病理图像分割
3
作者 陈志 李歆 +2 位作者 林丽燕 钟婧 时鹏 《计算机应用》 CSCD 北大核心 2023年第4期1269-1277,共9页
在苏木精-伊红(HE)染色病理图像中,细胞染色分布的不均匀和各类组织形态的多样性给自动化分割带来了极大挑战。针对传统卷积无法捕获大邻域范围内像素间的关联特征,导致分割效果难以进一步提升的问题,提出引入门控轴向自注意力的多通道... 在苏木精-伊红(HE)染色病理图像中,细胞染色分布的不均匀和各类组织形态的多样性给自动化分割带来了极大挑战。针对传统卷积无法捕获大邻域范围内像素间的关联特征,导致分割效果难以进一步提升的问题,提出引入门控轴向自注意力的多通道分割网络(MCSegNet)模型,以实现病理图像细胞核的精准分割。所提模型采用双编码器和解码器结构,在其中使用轴向自注意力编码通道捕获全局特征,并使用基于残差结构的卷积编码通道获取局部精细特征;在编码通道末端,通过特征融合增强特征表示,从而为解码器提供良好的信息基础;而解码器通过级联多个上采样模块逐步生成分割结果。此外,使用改进的混合损失函数有效解决了病理图像中普遍存在的样本不均衡问题。在MoNuSeg2020公开数据集上的实验结果表明,改进的分割方法比U-Net在F1、交并比(IoU)指标上分别提升了2.66个百分点、2.77个百分点,有效改善了病理图像的分割效果,提高了临床诊断的可靠性。 展开更多
关键词 病理图像 细胞核分割 轴向自注意力 残差结构 混合损失函数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部