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
2
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
基于多序列MRI的2.5D卷积神经网络鉴别脑膜瘤的多中心研究
1
作者
郭开灿
刘婷
+5 位作者
刘高元
张勇
刘祥雏
鲁忠燕
周元林
李兵
《磁共振成像》
北大核心
2025年第2期20-28,共9页
目的探讨基于T2WI、DWI和T1增强序列的2.5D卷积神经网络(convolutional neural network,CNN)在脑膜瘤鉴别诊断中的价值。材料与方法在A、B、C三家医院回顾性收集手术病理证实的脑膜瘤及影像表现与之类似的非脑膜瘤病例共674例,在A医院...
目的探讨基于T2WI、DWI和T1增强序列的2.5D卷积神经网络(convolutional neural network,CNN)在脑膜瘤鉴别诊断中的价值。材料与方法在A、B、C三家医院回顾性收集手术病理证实的脑膜瘤及影像表现与之类似的非脑膜瘤病例共674例,在A医院收集的414例中脑膜瘤为178例,非脑膜瘤为236例,B医院的95例中脑膜瘤为41例,非脑膜瘤为54例,C医院收集的165例中脑膜瘤为78例,非脑膜瘤87例。将所有病例分为5类:孤立性纤维瘤/血管周细胞瘤(Class 0)、脑膜瘤(Class 1)、淋巴瘤(Class 2)、转移瘤(Class 3)、软骨来源及其他类似肿瘤(Class 4)。以A医院队列为训练集,以B医院队列为测试集、C医院队列为验证集,分别基于MRI征象和输入的MRI图像构建梯度决策树(Gradient Boosted Decision Trees,GBDT)模型和三种2.5D CNNs模型(ResNet50、DenseNet169、ResNext50_32x4d)中,在综合比较模型间的性能差异后筛选出最优模型。6位具有不同诊断工作经验的放射医师(初级、中级和高级职称医师各2名)对验证集病例进行独立诊断,评估最优模型与不同经验医师诊断结果的一致性。结果在4种多分类诊断模型中,ResNext50_32x4d模型被判定为最优模型,在训练集、测试集和验证集中的准确度分别为86.7%、82.1%、80.6%;6位具有不同诊断经验的放射医师(医师A~F)在测试集中的准确度分别为61.2%、66.3%、72.1%、77.9%、80.1%、83.2%,最优模型与2位高级职称放射医师的诊断结果具有较好的一致性,组内相关系数(intra-class correlation coefficient,ICC)分别为0.735、0.862。结论基于MRI多序列的2.5D CNN模型在脑膜瘤的鉴别诊断中具有良好的分类预测性能,可为诊断决策提供有价值的参考。
展开更多
关键词
脑膜瘤
磁共振成像
深度学习
卷积神经网络
鉴别诊断
在线阅读
下载PDF
职称材料
多序列MRI影像组学在脑膜瘤鉴别诊断中的价值
被引量：
6
2
作者
鲁忠燕
张勇
+2 位作者
刘祥雏
蒋宇婷
蒋金泉
《磁共振成像》
CAS
CSCD
北大核心
2024年第5期47-54,共8页
目的探讨多序列MRI影像组学特征联合常规征象鉴别诊断脑膜瘤与其他颅内脑膜起源肿瘤的价值。材料与方法回顾性分析经病理证实的两个中心共360例患者的临床及术前MRI资料。中心1患者256例(脑膜瘤145例、非脑膜瘤111例),按7∶3的比例随机...
目的探讨多序列MRI影像组学特征联合常规征象鉴别诊断脑膜瘤与其他颅内脑膜起源肿瘤的价值。材料与方法回顾性分析经病理证实的两个中心共360例患者的临床及术前MRI资料。中心1患者256例(脑膜瘤145例、非脑膜瘤111例),按7∶3的比例随机分为训练组(n=179)和测试组(n=77);中心2患者104例作为外部验证组(脑膜瘤53例,非脑膜瘤51例)。评估肿瘤的生长部位、生长方式、数目等18项一般临床资料及MRI常规征象,采用单变量及多变量二元logistic回归分析筛选与鉴别诊断相关的指标。图像标准化后,利用3D Slicer软件于T2WI、扩散加权成像(diffusion-weighted imaging,DWI)、T1WI增强图像勾画感兴趣区(region of interest,ROI)并进行特征提取;采用5折交叉验证法和最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)进行特征筛选。训练组、测试组采用逻辑回归(logistic regression,LR)、支持向量机(support vector machine,SVM)、K近邻(K-nearest neighbor,KNN)、轻量级梯度提升机(light gradient boosting machine,LightGBM)、自适应增强(adaptive boosting,AdaBoost)5种分类器进行建模,建立MRI常规模型、组学瘤内模型、组学瘤周模型、组学融合模型、全融合模型,筛选出其中效能最佳的模型进行外部验证。绘制受试者工作特征(receiver operating characteristic,ROC)曲线,评估模型的鉴别诊断效能;使用DeLong检验对模型曲线下面积(area under the curve,AUC)进行比较;使用决策曲线分析(decision curve analysis,DCA)评估模型的临床价值。结果不同分类器构建的同一模型效能不同,其中SVM模型整体效能较高,测试组组学瘤内SVM模型AUC为0.889,除此之外训练组、测试组所有SVM模型AUC均大于0.900。组学瘤内模型、组学瘤周模型效能相当,二者均高于MRI常规模型;组学融合模型效能高于三者,但全融合模型效能最佳;其在外部验证组中亦表现良好,AUC为0.925,准确率为88.5%,DCA显示该模型在大范围阈值内可以为患者带来临床净收益。结论基于多序列MRI影像组学特征模型可以在术前鉴别脑膜瘤与其他颅内脑膜起源肿瘤,联合常规征象可以提升模型效能;不同分类器对模型效能有影响,SVM模型效能高,稳健且泛化能力好。
展开更多
关键词
脑膜瘤
影像组学
磁共振成像
鉴别诊断
分类器
在线阅读
下载PDF
职称材料
题名
基于多序列MRI的2.5D卷积神经网络鉴别脑膜瘤的多中心研究
1
作者
郭开灿
刘婷
刘高元
张勇
刘祥雏
鲁忠燕
周元林
李兵
机构
德阳市
人民医院
放射科
绵竹市人民医院放射科
川北医学院附属
医院
放射科
出处
《磁共振成像》
北大核心
2025年第2期20-28,共9页
基金
四川省基层卫生事业发展研究中心重点项目(编号:SWFZ24-Z-01)
德阳市科技计划重点研发项目(编号:2021SZZ079)。
文摘
目的探讨基于T2WI、DWI和T1增强序列的2.5D卷积神经网络(convolutional neural network,CNN)在脑膜瘤鉴别诊断中的价值。材料与方法在A、B、C三家医院回顾性收集手术病理证实的脑膜瘤及影像表现与之类似的非脑膜瘤病例共674例,在A医院收集的414例中脑膜瘤为178例,非脑膜瘤为236例,B医院的95例中脑膜瘤为41例,非脑膜瘤为54例,C医院收集的165例中脑膜瘤为78例,非脑膜瘤87例。将所有病例分为5类:孤立性纤维瘤/血管周细胞瘤(Class 0)、脑膜瘤(Class 1)、淋巴瘤(Class 2)、转移瘤(Class 3)、软骨来源及其他类似肿瘤(Class 4)。以A医院队列为训练集,以B医院队列为测试集、C医院队列为验证集,分别基于MRI征象和输入的MRI图像构建梯度决策树(Gradient Boosted Decision Trees,GBDT)模型和三种2.5D CNNs模型(ResNet50、DenseNet169、ResNext50_32x4d)中,在综合比较模型间的性能差异后筛选出最优模型。6位具有不同诊断工作经验的放射医师(初级、中级和高级职称医师各2名)对验证集病例进行独立诊断,评估最优模型与不同经验医师诊断结果的一致性。结果在4种多分类诊断模型中,ResNext50_32x4d模型被判定为最优模型,在训练集、测试集和验证集中的准确度分别为86.7%、82.1%、80.6%;6位具有不同诊断经验的放射医师(医师A~F)在测试集中的准确度分别为61.2%、66.3%、72.1%、77.9%、80.1%、83.2%,最优模型与2位高级职称放射医师的诊断结果具有较好的一致性,组内相关系数(intra-class correlation coefficient,ICC)分别为0.735、0.862。结论基于MRI多序列的2.5D CNN模型在脑膜瘤的鉴别诊断中具有良好的分类预测性能,可为诊断决策提供有价值的参考。
关键词
脑膜瘤
磁共振成像
深度学习
卷积神经网络
鉴别诊断
Keywords
meningioma
magnetic resonance imaging
deep learning
convolutional neural network
differential diagnosis
分类号
R445.2 [医药卫生—影像医学与核医学]
R739.45 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
多序列MRI影像组学在脑膜瘤鉴别诊断中的价值
被引量：
6
2
作者
鲁忠燕
张勇
刘祥雏
蒋宇婷
蒋金泉
机构
德阳市
人民医院
放射科
绵竹市人民医院放射科
出处
《磁共振成像》
CAS
CSCD
北大核心
2024年第5期47-54,共8页
基金
德阳市科技局科技创新指导类项目(编号:2021SZZ079)。
文摘
目的探讨多序列MRI影像组学特征联合常规征象鉴别诊断脑膜瘤与其他颅内脑膜起源肿瘤的价值。材料与方法回顾性分析经病理证实的两个中心共360例患者的临床及术前MRI资料。中心1患者256例(脑膜瘤145例、非脑膜瘤111例),按7∶3的比例随机分为训练组(n=179)和测试组(n=77);中心2患者104例作为外部验证组(脑膜瘤53例,非脑膜瘤51例)。评估肿瘤的生长部位、生长方式、数目等18项一般临床资料及MRI常规征象,采用单变量及多变量二元logistic回归分析筛选与鉴别诊断相关的指标。图像标准化后,利用3D Slicer软件于T2WI、扩散加权成像(diffusion-weighted imaging,DWI)、T1WI增强图像勾画感兴趣区(region of interest,ROI)并进行特征提取;采用5折交叉验证法和最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)进行特征筛选。训练组、测试组采用逻辑回归(logistic regression,LR)、支持向量机(support vector machine,SVM)、K近邻(K-nearest neighbor,KNN)、轻量级梯度提升机(light gradient boosting machine,LightGBM)、自适应增强(adaptive boosting,AdaBoost)5种分类器进行建模,建立MRI常规模型、组学瘤内模型、组学瘤周模型、组学融合模型、全融合模型,筛选出其中效能最佳的模型进行外部验证。绘制受试者工作特征(receiver operating characteristic,ROC)曲线,评估模型的鉴别诊断效能;使用DeLong检验对模型曲线下面积(area under the curve,AUC)进行比较;使用决策曲线分析(decision curve analysis,DCA)评估模型的临床价值。结果不同分类器构建的同一模型效能不同,其中SVM模型整体效能较高,测试组组学瘤内SVM模型AUC为0.889,除此之外训练组、测试组所有SVM模型AUC均大于0.900。组学瘤内模型、组学瘤周模型效能相当,二者均高于MRI常规模型;组学融合模型效能高于三者,但全融合模型效能最佳;其在外部验证组中亦表现良好,AUC为0.925,准确率为88.5%,DCA显示该模型在大范围阈值内可以为患者带来临床净收益。结论基于多序列MRI影像组学特征模型可以在术前鉴别脑膜瘤与其他颅内脑膜起源肿瘤,联合常规征象可以提升模型效能;不同分类器对模型效能有影响,SVM模型效能高,稳健且泛化能力好。
关键词
脑膜瘤
影像组学
磁共振成像
鉴别诊断
分类器
Keywords
meningioma
radiomics
magnetic resonance imaging
differential diagnosis
classifier
分类号
R445.2 [医药卫生—影像医学与核医学]
R739.45 [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
基于多序列MRI的2.5D卷积神经网络鉴别脑膜瘤的多中心研究
郭开灿
刘婷
刘高元
张勇
刘祥雏
鲁忠燕
周元林
李兵
《磁共振成像》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
多序列MRI影像组学在脑膜瘤鉴别诊断中的价值
鲁忠燕
张勇
刘祥雏
蒋宇婷
蒋金泉
《磁共振成像》
CAS
CSCD
北大核心
2024
6
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
