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：
SE-Mask-RCNN:多参数MRI前列腺癌分割方法 被引量：7
1
作者 黄毅鹏 胡冀苏 +5 位作者 钱旭升 周志勇 赵文露 马麒 沈钧康 戴亚康 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2021年第1期203-212,共10页
为了从多参数磁共振(mp-MRI)的前列腺区域中自动提取前列腺癌病灶区域,提出新的深度卷积神经网络模型SE-Mask-RCNN.在特征图上搜索定位包含病灶的候选区域,基于候选区域实现病灶的精细分割.为了利用mp-MRI中的互补信息,通过2个并行卷积... 为了从多参数磁共振(mp-MRI)的前列腺区域中自动提取前列腺癌病灶区域,提出新的深度卷积神经网络模型SE-Mask-RCNN.在特征图上搜索定位包含病灶的候选区域,基于候选区域实现病灶的精细分割.为了利用mp-MRI中的互补信息,通过2个并行卷积网络分别提取表观扩散系数(ADC)和T2加权(T2W)图像的特征图后进行融合,使用挤压与激励块自动提升融合特征图中的有效特征并抑制无效特征.在收集得到的140例数据上进行实验.结果表明,使用SE-Mask-RCNN得到前列腺癌病灶分割Dice系数为0.654,敏感度为0.695,特异度为0.970,阳性预测值为0.685.与U-net、V-net、Resnet50-U-net和Mask-RCNN等模型相比,SE-Mask-RCNN能够有效提升mp-MRI中前列腺癌病灶区域的分割精度. 展开更多
关键词 前列腺癌 深度学习 挤压与激励块(SE-block) Mask-RCNN 多参数磁共振成像(mp-mri)
下载PDF
多参数磁共振对前列腺癌的诊断价值及其与Gleason分级评分的相关性研究 被引量：5
2
作者 朱春晖 周娟 +2 位作者 成晓莉 王立华 王志刚 《中国医学装备》 2023年第6期58-62,共5页
目的:探索多参数磁共振成像(mp-MRI)应用前列腺成像报告和数据系统第2版(PI-RADS v2.1)对前列腺癌(PCa)的诊断价值及其与PCa Gleason分级评分的相关性。方法:选取在医院行mp-MRI且经穿刺病理证实的120例前列腺疾病患者,其中PCa患者68例... 目的:探索多参数磁共振成像(mp-MRI)应用前列腺成像报告和数据系统第2版(PI-RADS v2.1)对前列腺癌(PCa)的诊断价值及其与PCa Gleason分级评分的相关性。方法:选取在医院行mp-MRI且经穿刺病理证实的120例前列腺疾病患者,其中PCa患者68例,前列腺增生患者52例。以组织病理学检查结果为“金标准”,采用PI-RADS v2.1在双盲法下进行评分,使用受试者工作特征(ROC)曲线分析其PCa的诊断效能,采用Spearson相关性分析PI-RADS v2.1与PCa Gleason分级评分的相关性。结果:PI-RADS v2.1诊断PCa的ROC曲线下面积(AUC)为0.957,最佳截断值≥3分,灵敏度95.1%,特异度79.3%,准确率88.3%,阳性预测值85.5%,阴性预测值93.2%。PI-RADS v2.1与PCa Gleason分级评分呈高度正相关(r=8.08,P<0.01)。结论:mp-MRI应用PI-RADS v2.1与PCa Gleason分级评分具有高度相关性,且对前列腺病变具有较高的的诊断效能。 展开更多
关键词 前列腺癌(PCa) 多参数磁共振成像(mp-mri) Gleason分级评分 前列腺成像报告和数据系统第2版(PI-RADS v2.1)
下载PDF
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