影像组学与卷积神经网络分析在多参数乳腺MRI强化病灶分类的对比研究被引量：11

Radiomic versus Convolutional Neural Networks Analysis for Classification of Contrast-enhancing Lesions at Multiparametric Breast MRI

下载PDF

导出

摘要目的比较影像组学分析(RA)和卷积神经网络(CNN)对多参数乳腺MRI中强化病灶的良恶性分类的诊断效能。材料与方法搜集并评价了2011年8月—2015年8月期间447例病例,共有1 294个强化病灶,其中恶性病灶787个,良性病灶507个,平均直径(15±20)mm。病变由1位乳腺放射科医生手工分割。

作者 D.Truhn S.Schrading C.Haarburger H.Schneider D.Merhof C.Kuhl 罗继画(译) 张扬(校)

机构地区 Departments of Diagnostic and Interventional Radiology 不详

出处《国际医学放射学杂志》北大核心 2019年第2期235-235,共1页 International Journal of Medical Radiology

关键词多参数卷积神经网络 MRI

分类号 R737.9 [医药卫生—肿瘤] R445.2 [医药卫生—临床医学]

引文网络
相关文献

同被引文献47

1高微波,邓鹏飞,杨全新,何拓,李晓会,王琳,陈吉新,贺心畋,陈欣.基于DCE-MRI影像组学鉴别乳腺良恶性肿块的可行性研究[J].临床放射学杂志,2020,39(4):674-679. 被引量：12
2张晓鹏,李洁,孙应实,曹崑,唐磊.动态增强磁共振成像对乳腺癌新辅助化疗后病理反应性的术前评价[J].中国医学科学院学报,2008,30(1):98-103. 被引量：14
3韩晓红,马丽,石远凯.肿瘤个体化治疗的现状和前景[J].中华检验医学杂志,2011,34(4):293-299. 被引量：13
4孟凡星,卢再鸣,于兵,张伟,郭启勇.磁共振T2 mapping成像在乳腺病变良恶性鉴别诊断中的应用[J].中国临床医学影像杂志,2013,24(5):317-320. 被引量：9
5牛兆河,徐凤磊,王海波.磁共振成像与阿基米德法测量乳房体积在即刻假体乳房再造中的效果比较[J].中华医学美学美容杂志,2015,21(3):142-145. 被引量：4
6徐永立,段小丽,潘剑岩,凌岳.宫颈癌诊断中动态增强MRI半定量参数与磁共振扩散加权成像ADC值的相关性研究[J].检验医学与临床,2016,13(22):3180-3182. 被引量：8
7张伟娟,周宁,施全,王海玉,黄丹萍,周惠玲,杨博洋.乳腺纤维腺瘤的超声、MRI影像诊断价值比较分析[J].中国CT和MRI杂志,2017,15(1):34-36. 被引量：15
8张利文,方梦捷,臧亚丽,朱永北,董迪,刘侠,田捷.影像组学的发展与应用[J].中华放射学杂志,2017,51(1):75-77. 被引量：124
9叶京明,刘荫华.2017年NCCN乳腺癌临床实践指南（第3版）更新与回顾[J].中华医学杂志,2018,98(18):1377-1379. 被引量：25
10王清霖,毛宁,史英红,马恒,董建军,王滨,郝翠娟,刘梅婕,车凯莉,张学喜,谢海柱.扩散加权成像图像纹理分析鉴别乳腺浸润性导管癌与纤维腺瘤的初步研究[J].实用放射学杂志,2018,34(9):1368-1371. 被引量：8

引证文献11

1周丽丽,杨琪.深度学习在乳腺癌MRI检查中的应用及研究进展[J].延边大学医学学报,2022,45(4):307-310.
2王中一,毛宁,谢海柱.乳腺癌MRI影像组学的研究进展[J].磁共振成像,2021,12(1):109-111. 被引量：15
3薛宏伟,王培军.基于深度学习的人工智能技术在乳腺MRI中的应用研究进展[J].中国中西医结合影像学杂志,2021,19(6):603-605. 被引量：3
4万强.常用乳腺影像诊断方法的应用研究[J].大医生,2021,6(20):96-97.
5钱丽,田为中,高佳.MRI影像组学在乳腺癌中的研究进展[J].临床放射学杂志,2022,41(3):582-585. 被引量：8
6白宛鹭,邢华,李海滨.基于深度学习的乳腺癌MRI诊断及亚型识别研究进展[J].中国实验诊断学,2022,26(6):924-926. 被引量：4
7黄文平,王芬,刘鸿利,余雅丽,娄鉴娟,邹启桂,王思奇,蒋燕妮.T2 mapping影像组学特征鉴别乳腺病灶良恶性的临床应用初探[J].磁共振成像,2023,14(2):50-55. 被引量：3
8顾银银,丁承宗.基于磁共振成像的影像组学在乳腺癌诊疗中的应用进展[J].医学影像学杂志,2023,33(4):657-660. 被引量：3
9王贇霞,谭红娜.人工智能在乳腺癌影像诊断中的研究及应用进展[J].磁共振成像,2023,14(11):177-182. 被引量：3
10赵雪枫,毛宁,谢海柱.基于MRI的深度学习在乳腺癌中的研究进展[J].医学影像学杂志,2024,34(5):140-142.

二级引证文献40

1王燕玲,王超,赵刚.基于DWI+FLAIR图像的急性缺血性卒中患者发病时间预测[J].生命科学仪器,2022,20(4):65-70. 被引量：2
2陈旭丹,汪红梅,杨丽萍,邓克学.DCE-MRI联合IVIM-DWI在乳腺病变鉴别诊断中的应用[J].湖南师范大学学报（医学版）,2021,18(5):112-116. 被引量：8
3李珂欣.DCE-MRI在乳腺良恶性肿瘤鉴别诊断中的应用及与MVD、VEGF水平的关系[J].齐齐哈尔医学院学报,2021,42(17):1491-1496. 被引量：1
4吉浩,曾凡荣.论人工智能技术在影像组学中的应用[J].电子元器件与信息技术,2021,5(8):93-94.
5李潇潇,姜兴岳.乳腺DCE-MRI环形强化病变的研究现状及展望[J].磁共振成像,2022,13(2):148-151. 被引量：3
6马永刚,张堃,黄斌,万涛,赵志友.动态对比增强和扩散加权成像的多参数MRI模型预测乳腺癌肿瘤血管新生的价值[J].临床和实验医学杂志,2022,21(4):443-446. 被引量：13
7李骥,张家伟,彭飞,杨淑兰,李丹丹.弥散加权成像、动态增强MRI参数与乳腺癌Ki67表达的相关性[J].中国医药导报,2022,19(13):153-156. 被引量：3
8薛泰龙,范明,陈淑君,厉力华.基于纵向时间深度网络融合的乳腺癌新辅助化疗疗效预测[J].中国生物医学工程学报,2022,41(2):186-194. 被引量：1
9杜森,赵森,周青,孙亮亮,吴海滨.血清长链非编码RNA小核仁RNA宿主基因3检测联合核磁共振弥散加权成像在乳腺癌诊断中的应用[J].陕西医学杂志,2022,51(8):1021-1024. 被引量：11
10王领梅.ROC曲线评估血清CA125联合彩色多普勒高频超声检测早期乳腺癌的诊断效能[J].当代医学,2022,28(16):134-136.

1方志明,崔荣一,金璟璇.基于Gestalt视觉心理学和最小F-范数的图像显著区域检测和分割[J].计算机应用研究,2017,34(11):3504-3509. 被引量：1
2仰粒子.冬季最低气温对2～3代类型区马尾松毛虫发生面积的影响研究[J].吉林农业,2019(11):104-105. 被引量：1
3A.Gutzeit,R.HeilAND,S.Sudarski,J.M.Froehlich,K.Hergan,M.Meissnitzer,杨凯(译),陈秀玉(校).影像检查后放射科医生和病人之间的直接沟通:放射科医生应该重新考虑病人关怀吗?[J].国际医学放射学杂志,2019,0(2):244-245. 被引量：2
4C.D.Lehman,A.Yala,T.Schuster,B.Dontchos,M.Bahl,K.Swanson,焦子真(译),陈伟(校).基于深度学习的乳腺X线摄影对乳腺密度评估的临床应用[J].国际医学放射学杂志,2019,0(2):227-228. 被引量：6
5L.Vassallo,A.Traverso,M.Agnello,C.Bracco,D.Campanella,G.Chiara,杨淑娟(译),赵世华(校).基于云计算的计算机辅助检测系统可提高对胸外恶性肿瘤病人CT肺结节的识别能力[J].国际医学放射学杂志,2019,0(2):244-244. 被引量：3
6骆昌芹.海陆空的“奇装异服”[J].科学大众（小诺贝尔）,2019,0(3):21-23.
7赵娜,宋丽萍,张欣,周陆,刘鹏,向阳.TBL结合比较影像学在核医学理论教学中的应用[J].中国继续医学教育,2019,11(14):25-28. 被引量：8
8段力,乔森,范冠杰.2型糖尿病周围神经病变患者住院费用分析[J].中医临床研究,2019,11(10):137-140. 被引量：5
9张辉,冯飞,单慧明,周雯,戚玉龙,李中华.可变反转角HASTE序列在腹部检查中的应用[J].中国医学物理学杂志,2019,36(5):571-574. 被引量：1

国际医学放射学杂志

2019年第2期

浏览历史

内容加载中请稍等...

影像组学与卷积神经网络分析在多参数乳腺MRI强化病灶分类的对比研究被引量：11

同被引文献47

引证文献11

二级引证文献40

相关作者

相关机构

相关主题

浏览历史

影像组学与卷积神经网络分析在多参数乳腺MRI强化病灶分类的对比研究 被引量：11

同被引文献47

引证文献11

二级引证文献40

相关作者

相关机构

相关主题

浏览历史

影像组学与卷积神经网络分析在多参数乳腺MRI强化病灶分类的对比研究被引量：11