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
MRI影像组学联合ResNet101深度学习鉴别腰椎布鲁氏菌性脊柱炎与脊柱转移癌
1
作者
李宇璞
赵鹏飞
+3 位作者
张小娟
张昭静
王梓怡
乔鹏飞
《中国医学影像技术》
北大核心
2025年第6期958-962,共5页
目的观察MRI影像组学联合ResNet101深度学习鉴别腰椎布鲁氏菌性脊柱炎(BS)与脊柱转移癌(SM)的价值。方法回顾性纳入腰椎BS及SM各71例为训练集、腰椎BS及SM各33例为测试集。以单因素及多因素logistic分析筛选临床特征、构建临床模型(M_(c...
目的观察MRI影像组学联合ResNet101深度学习鉴别腰椎布鲁氏菌性脊柱炎(BS)与脊柱转移癌(SM)的价值。方法回顾性纳入腰椎BS及SM各71例为训练集、腰椎BS及SM各33例为测试集。以单因素及多因素logistic分析筛选临床特征、构建临床模型(M_(clinic));于腰椎矢状位T2WI中勾画病灶ROI,提取其影像组学特征,构建影像组学模型(M_(radiomics));联合应用ResNet101深度学习与影像组学,提取深度学习影像组学特征,构建深度学习影像组学模型(M_(DL+R));联合临床特征与深度学习影像组学特征,构建联合模型(M_(combined))。分析上述模型鉴别腰椎BS与SM的效能。结果训练集、测试集中,BS与SM患者年龄、发热及附件受累占比差异均有统计学意义(P均<0.05);单因素及多因素logistic分析显示后二者为临床特征(P均<0.001)。M_(clinic)鉴别训练集及测试集腰椎BS与SM的曲线下面积(AUC)分别为0.794及0.773;M_(radiomics)的AUC分别为0.895及0.791,而M_(DL+R)为0.926及0.882、M_(combined)为0.967及0.906。M_(combined)在训练集的AUC显著大于其他模型(P均<0.05),在测试集则显著大于M_(clinic)及M_(radiomics)(P均<0.05)。结论MRI影像组学联合ResNet101深度学习有助于鉴别腰椎BS与SM;联合临床可进一步提高其诊断效能。
展开更多
关键词
布鲁氏菌病
脊柱炎
脊柱肿瘤
肿瘤转移
深度学习
影像组学
磁共振成像
在线阅读
下载PDF
职称材料
题名
MRI影像组学联合ResNet101深度学习鉴别腰椎布鲁氏菌性脊柱炎与脊柱转移癌
1
作者
李宇璞
赵鹏飞
张小娟
张昭静
王梓怡
乔鹏飞
机构
内蒙古医
科
大学
第一
临床
医学
院
阳泉市第一人民医院医学影像科
内蒙古医
科
大学附属
医院
影像
诊断
科
北京中医
医院
内蒙古
医院
影像
诊断
科
出处
《中国医学影像技术》
北大核心
2025年第6期958-962,共5页
基金
内蒙古医科大学附属医院院级科研项目(2023NYFYPY007)
内蒙古自治区自然科学基金(2023QN08044)
内蒙古医学科学院公立医院科研联合基金科技项目(2024GLLH0356)。
文摘
目的观察MRI影像组学联合ResNet101深度学习鉴别腰椎布鲁氏菌性脊柱炎(BS)与脊柱转移癌(SM)的价值。方法回顾性纳入腰椎BS及SM各71例为训练集、腰椎BS及SM各33例为测试集。以单因素及多因素logistic分析筛选临床特征、构建临床模型(M_(clinic));于腰椎矢状位T2WI中勾画病灶ROI,提取其影像组学特征,构建影像组学模型(M_(radiomics));联合应用ResNet101深度学习与影像组学,提取深度学习影像组学特征,构建深度学习影像组学模型(M_(DL+R));联合临床特征与深度学习影像组学特征,构建联合模型(M_(combined))。分析上述模型鉴别腰椎BS与SM的效能。结果训练集、测试集中,BS与SM患者年龄、发热及附件受累占比差异均有统计学意义(P均<0.05);单因素及多因素logistic分析显示后二者为临床特征(P均<0.001)。M_(clinic)鉴别训练集及测试集腰椎BS与SM的曲线下面积(AUC)分别为0.794及0.773;M_(radiomics)的AUC分别为0.895及0.791,而M_(DL+R)为0.926及0.882、M_(combined)为0.967及0.906。M_(combined)在训练集的AUC显著大于其他模型(P均<0.05),在测试集则显著大于M_(clinic)及M_(radiomics)(P均<0.05)。结论MRI影像组学联合ResNet101深度学习有助于鉴别腰椎BS与SM;联合临床可进一步提高其诊断效能。
关键词
布鲁氏菌病
脊柱炎
脊柱肿瘤
肿瘤转移
深度学习
影像组学
磁共振成像
Keywords
brucellosis
spondylitis
spinal cord neoplasms
neoplasm metastasis
deep learning
radiomics
magnetic resonance imaging
分类号
R516.7 [医药卫生—内科学]
R445.2 [医药卫生—影像医学与核医学]
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
MRI影像组学联合ResNet101深度学习鉴别腰椎布鲁氏菌性脊柱炎与脊柱转移癌
李宇璞
赵鹏飞
张小娟
张昭静
王梓怡
乔鹏飞
《中国医学影像技术》
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
