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
共找到4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：
乳腺X线影像组学方法预测乳腺癌腋窝淋巴结转移的价值 被引量：24
1
作者 谭红娜 武明辉 +5 位作者 周晶 高飞 海金金 张丹丹 史大鹏 王梅云 《中华放射学杂志》 CAS CSCD 北大核心 2020年第9期859-863,共5页
目的探讨乳腺X线影像组学方法预测乳腺癌腋窝淋巴结转移的价值。方法回顾性分析2013年6月至2017年7月河南省人民医院病理证实为乳腺癌女性患者的临床及X线资料。共入组214例患者,年龄30~85(53±11)岁,并按照3∶1的比例随机分成训练... 目的探讨乳腺X线影像组学方法预测乳腺癌腋窝淋巴结转移的价值。方法回顾性分析2013年6月至2017年7月河南省人民医院病理证实为乳腺癌女性患者的临床及X线资料。共入组214例患者,年龄30~85(53±11)岁,并按照3∶1的比例随机分成训练集(n=153)和验证集(n=61)。根据腋窝淋巴结是否转移,分为腋窝淋巴结阳性组99例,阴性组115例。对获得的双乳内外斜位(MLO)和头尾位(CC)X线图像进行病灶分割和特征提取。应用LASSO回归模型分别从CC、MLO和CC联合MLO图像的高维特征中依次筛选出3、9和7个腋窝淋巴结转移相关的组学特征。根据影像组学特征和临床特征构建预测模型。使用10折交叉验证模型的预测能力。结果腋窝淋巴结阳性组病灶大小大于腋窝淋巴结阴性组,差异有统计学意义(t=2.611,P<0.05)。在验证集中,单独CC、MLO、CC联合MLO图像、临床特征及临床特征联合CC和MLO图像的组学特征预测腋窝淋巴结转移效能的受试者操作特征曲线下面积(AUC)值分别为0.680、0.723、0.740、0.558和0.714,其中,CC联合MLO图像的预测效能最大,AUC值均高于单独CC、MLO图像、CC联合MLO图像预测效能。结论乳腺X线组学特征可术前定量预测乳腺癌腋窝淋巴结转移,但仍需扩大样本量进一步验证。 展开更多
关键词 乳腺肿瘤 淋巴转移 乳房X线摄影术
原文传递
基于增强CT放射组学预测肝细胞肝癌病理分级 被引量：11
2
作者 宁培钢 高飞 +5 位作者 海金金 武明辉 陈健 朱绍成 王梅云 史大鹏 《中国医学影像技术》 CSCD 北大核心 2020年第7期1051-1056,共6页
目的观察增强CT放射组学术前预测肝细胞肝癌(HCC)病理分级的可行性及价值。方法回顾分析429例经手术病理证实的HCC患者,分为训练组(n=329)和测试组(n=100),记录其临床特征;提取动脉期(AP)及静脉期(VP)CT图像的放射组学特征,应用最小绝... 目的观察增强CT放射组学术前预测肝细胞肝癌(HCC)病理分级的可行性及价值。方法回顾分析429例经手术病理证实的HCC患者,分为训练组(n=329)和测试组(n=100),记录其临床特征;提取动脉期(AP)及静脉期(VP)CT图像的放射组学特征,应用最小绝对值收敛和选择算子(LASSO)回归分析法对其进行降维,筛选最有价值的组学特征后,构建基于AP、VP、AP+VP图像特征的组学模型,计算2组放射学评分并进行二分类判别。根据病理结果定义高级别和低级别HCC,采用10倍交叉验证训练选择最优组学预测模型,筛选对预测HCC病理分级有意义的临床特征后,构建临床模型以及联合组学特征和临床特征的联合模型。绘制3种模型预测训练组和测试组HCC病理分级的ROC曲线,评估其诊断能力。结果联合组学模型最优,其判别训练组及测试组高级别和低级别HCC的放射学评分的差异均有统计学意义(Z=8.58、3.24,P均<0.05)。测试组中,联合模型预测HCC病理分级的AUC值(0.70)与组学模型(0.69)和临床模型(0.63)差异均无统计学意义(P均>0.05)。结论基于增强CT图像的放射组学特征可用于术前预测HCC病理分级。 展开更多
关键词 癌 肝细胞 病理学 诊断 影像组学 体层摄影术 X线计算机
下载PDF
基于Mixup训练及多模型决策融合的腰椎间盘突出诊断
3
作者 李英 陈健 +2 位作者 苏志海 海金金 闫镔 《信息工程大学学报》 2024年第3期265-271,共7页
医疗多中心数据集的分布是存在差异的,由单一中心数据集训练的模型泛化性往往不佳,导致训练好的模型在应用时受到很大的限制。Mixup训练方法能够有效提升模型泛化性,基于Dempster-Shafer证据理论(Dempster-Shafer Evidence Theory,DST)... 医疗多中心数据集的分布是存在差异的,由单一中心数据集训练的模型泛化性往往不佳,导致训练好的模型在应用时受到很大的限制。Mixup训练方法能够有效提升模型泛化性,基于Dempster-Shafer证据理论(Dempster-Shafer Evidence Theory,DST)的模型融合方法能够有效融合多个模型的最佳决策。因此,针对单一中心训练的医疗模型泛化性较差的问题,通过Mixup训练增强模型的泛化性能,并采用多模型决策融合的方式获得最佳决策结果,提出了一个针对腰椎间盘突出诊断的有效模型。经过外部测试集测试,该方法获得了88.22%的分类准确率、88.12%的F1分数和87.69%的AUC值。 展开更多
关键词 腰椎核磁影像 腰椎间盘突出诊断 Mixup 多模型决策融合
下载PDF
非增强核磁共振图像中肝脏肿瘤病理分级的定量分析方法 被引量：2
4
作者 高飞 闫镔 +5 位作者 曾磊 武明辉 谭红娜 海金金 宁培钢 史大鹏 《生物医学工程学杂志》 EI CAS CSCD 北大核心 2019年第4期581-589,共9页
为了解决目前肝脏肿瘤病理分级主要依靠穿刺活检、手术病理取材等侵入式方法的问题,提出了一种在非增强核磁共振图像(MRI)上进行肝脏肿瘤病理分级的定量分析方法。首先对采集到的MRI图像,由医生在专业软件中人工分割出病灶部位,对这些... 为了解决目前肝脏肿瘤病理分级主要依靠穿刺活检、手术病理取材等侵入式方法的问题,提出了一种在非增强核磁共振图像(MRI)上进行肝脏肿瘤病理分级的定量分析方法。首先对采集到的MRI图像,由医生在专业软件中人工分割出病灶部位,对这些病灶部位提取高通量的328维图像特征,包括灰度、形状、纹理、小波等特征,利用最小绝对收缩和选择运算符(LASSO)和交叉验证方法从中挑选出对病理分级最有价值的特征,组成影像组学模型并融合临床信息实现对肿瘤高、低分化分类的定量分析。在170位肝脏肿瘤患者的MRI图像(T1加权图像和T2加权图像)上进行实验,通过计算接收者操作特征(ROC)曲线下面积(AUC)来衡量模型的预测性能。结果表明,基于高通量图像特征的LASSO回归定量分析方法,在训练集上获得AUC为0.909,在测试集上AUC为0.800。挑选出来的图像特征组成的影像学标签可以对高、低分化进行自动分类,从而为医生提供了一种非侵入的辅助诊断方法,有助于预后判断和治疗方案的制定。 展开更多
关键词 核磁共振图像 病理分级 肝脏肿瘤 LASSO回归 影像组学
原文传递
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
使用帮助 返回顶部