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
影像组学及深度学习联合血液炎性指标预测胶质瘤预后的价值
被引量：
2
1
作者
赵杉
阎子康
+3 位作者
杨骏骏
张文韬
潘世娇
徐胜生
《磁共振成像》
CAS
CSCD
北大核心
2024年第1期88-94,100,共8页
目的 探讨基于影像组学和深度学习特征评分(radiomics-deep learning score, RD-score)联合血液炎性指标构建的列线图在术前预测胶质瘤预后的价值。材料与方法 回顾性分析166例临床确诊胶质瘤的患者病例,按8∶2随机分为训练集(133例)和...
目的 探讨基于影像组学和深度学习特征评分(radiomics-deep learning score, RD-score)联合血液炎性指标构建的列线图在术前预测胶质瘤预后的价值。材料与方法 回顾性分析166例临床确诊胶质瘤的患者病例,按8∶2随机分为训练集(133例)和验证集(33例)。收集患者的临床、血液炎性指标资料,构建组合变量系统性炎症指数(systemic immune inflammation index, SII)、全身炎症反应指数(system inflammation response index, SIRI)、衍生中性粒细胞与淋巴细胞比值(derived neutrophil-to-lymphocyte ratio, dNLR)、中性粒细胞与淋巴细胞比值(neutrophil-to-lymphocyte ratio, NLR)、单核细胞与淋巴细胞比值(monocyte-to-lymphocyte ratio, MLR)、血小板与淋巴细胞比值(platelet-to-lymphocyte ratio, PLR)并计算其截断值。勾画胶质瘤感兴趣体积(volume of interest, VOI)并提取影像组学及深度学习特征,利用最小绝对值收敛和选择算子(least absolute shrinkage and selection operator, LASSO)-Cox进行特征筛选,构建基于影像组学特征评分(radiomics-score,Rad-score)、基于深度学习特征评分(deep learning-score, DL-score)以及RD-score模型,并比较三者的受试者工作特征曲线下面积(area under the curve, AUC)以评估其预测效能;基于RD-score对胶质瘤患者进行危险分层,并通过Kaplan-Meier生存分析绘制生存曲线。结合患者的临床因素、血液炎性指标和RD-score,使用多因素Cox回归构建术前预测总生存期(overall survival, OS)的RD-score模型、临床血液学模型和联合模型,计算AUC以评估各模型预测胶质瘤1、3、5年生存率的效能。绘制联合模型列线图,采用C指数(C-index)、校准曲线及决策曲线分析(decision curve analysis, DCA)评估列线图效能。结果 最终筛选出10个组学特征和8个深度学习特征用以构建RD-score。RD-score的预测效能高于Rad-score及DL-score(DeLong检验,P<0.05),根据RD-score可将胶质瘤分为高风险组(RD-score≥1.09)和低风险组(RD-score<1.09)。多因素Cox回归结果显示年龄、肿瘤分级、术后化疗、SIRI和RD-score是胶质瘤预后的独立预测因素,基于以上因素构建的联合模型在训练集和验证集中的AUC高于RD-score模型及临床血液学模型(DeLong检验,P<0.05)。联合模型的可视化列线图预测OS的C-index分别为0.844和0.849;校准曲线提示在观察值和预测值之间有良好的一致性,DCA显示列线图有较高的净收益。结论 基于影像组学和深度学习的RD-score联合临床-血液炎性指标构建的列线图可以在术前有效预测胶质瘤患者的预后。
展开更多
关键词
胶质瘤
磁共振成像
影像组学
深度学习
机器学习
预后
血液炎性指标
在线阅读
下载PDF
职称材料
题名
影像组学及深度学习联合血液炎性指标预测胶质瘤预后的价值
被引量：
2
1
作者
赵杉
阎子康
杨骏骏
张文韬
潘世娇
徐胜生
机构
重庆医科大学
附属第一医院放射科
重庆医科大学基础医学院生物信息系
重庆
大学
物理
学院
出处
《磁共振成像》
CAS
CSCD
北大核心
2024年第1期88-94,100,共8页
文摘
目的 探讨基于影像组学和深度学习特征评分(radiomics-deep learning score, RD-score)联合血液炎性指标构建的列线图在术前预测胶质瘤预后的价值。材料与方法 回顾性分析166例临床确诊胶质瘤的患者病例,按8∶2随机分为训练集(133例)和验证集(33例)。收集患者的临床、血液炎性指标资料,构建组合变量系统性炎症指数(systemic immune inflammation index, SII)、全身炎症反应指数(system inflammation response index, SIRI)、衍生中性粒细胞与淋巴细胞比值(derived neutrophil-to-lymphocyte ratio, dNLR)、中性粒细胞与淋巴细胞比值(neutrophil-to-lymphocyte ratio, NLR)、单核细胞与淋巴细胞比值(monocyte-to-lymphocyte ratio, MLR)、血小板与淋巴细胞比值(platelet-to-lymphocyte ratio, PLR)并计算其截断值。勾画胶质瘤感兴趣体积(volume of interest, VOI)并提取影像组学及深度学习特征,利用最小绝对值收敛和选择算子(least absolute shrinkage and selection operator, LASSO)-Cox进行特征筛选,构建基于影像组学特征评分(radiomics-score,Rad-score)、基于深度学习特征评分(deep learning-score, DL-score)以及RD-score模型,并比较三者的受试者工作特征曲线下面积(area under the curve, AUC)以评估其预测效能;基于RD-score对胶质瘤患者进行危险分层,并通过Kaplan-Meier生存分析绘制生存曲线。结合患者的临床因素、血液炎性指标和RD-score,使用多因素Cox回归构建术前预测总生存期(overall survival, OS)的RD-score模型、临床血液学模型和联合模型,计算AUC以评估各模型预测胶质瘤1、3、5年生存率的效能。绘制联合模型列线图,采用C指数(C-index)、校准曲线及决策曲线分析(decision curve analysis, DCA)评估列线图效能。结果 最终筛选出10个组学特征和8个深度学习特征用以构建RD-score。RD-score的预测效能高于Rad-score及DL-score(DeLong检验,P<0.05),根据RD-score可将胶质瘤分为高风险组(RD-score≥1.09)和低风险组(RD-score<1.09)。多因素Cox回归结果显示年龄、肿瘤分级、术后化疗、SIRI和RD-score是胶质瘤预后的独立预测因素,基于以上因素构建的联合模型在训练集和验证集中的AUC高于RD-score模型及临床血液学模型(DeLong检验,P<0.05)。联合模型的可视化列线图预测OS的C-index分别为0.844和0.849;校准曲线提示在观察值和预测值之间有良好的一致性,DCA显示列线图有较高的净收益。结论 基于影像组学和深度学习的RD-score联合临床-血液炎性指标构建的列线图可以在术前有效预测胶质瘤患者的预后。
关键词
胶质瘤
磁共振成像
影像组学
深度学习
机器学习
预后
血液炎性指标
Keywords
glioma
magnetic resonance imaging
radiomics
deep learning
machine learning
prognosis
hematological inflammatory markers
分类号
R445.2 [医药卫生—影像医学与核医学]
R730.264 [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
影像组学及深度学习联合血液炎性指标预测胶质瘤预后的价值
赵杉
阎子康
杨骏骏
张文韬
潘世娇
徐胜生
《磁共振成像》
CAS
CSCD
北大核心
2024
2
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
