期刊导航
期刊开放获取
cqvip
退出
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
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于MRI T1增强影像的影像组学模型预测较低级别胶质瘤IDH基因型的价值
被引量:
1
1
作者
赵志勇
张婧
+4 位作者
曹云太
张国晋
孙建清
李昇霖
周俊林
《中国临床神经外科杂志》
2023年第3期145-149,共5页
目的探讨基于MRI T1增强影像的影像组学预测较低级别胶质瘤(LerGG;包括WHO分级Ⅱ级弥漫性胶质瘤和间变型胶质瘤)异柠檬酸酸脱氢酶(IDH)基因型的价值。方法回顾性分析2017年1月至2020年6月手术切除并经术后病理证实的170例LerGG胶质瘤的...
目的探讨基于MRI T1增强影像的影像组学预测较低级别胶质瘤(LerGG;包括WHO分级Ⅱ级弥漫性胶质瘤和间变型胶质瘤)异柠檬酸酸脱氢酶(IDH)基因型的价值。方法回顾性分析2017年1月至2020年6月手术切除并经术后病理证实的170例LerGG胶质瘤的临床资料和影像学资料,根据术前MRI T1增强影像,应用影像组学方法构建影像组学预测模型。结果170例中,WHO分级Ⅱ级例60例,Ⅲ级110例。从MRI T1增强影像的感兴趣区中共提取了1595个影像组学特征,降维分析后筛选5个影像组学标签,并构建预测模型,验证集和训练集分析显示模型预测IDH突变的曲线下面积分别为0.84、0.82,准确度分别为79%、80%,敏感度分别为81%、88%,特异度分别为75%、66%。结论基于MRI T1增强影像的影像组学模型对WHO分级Ⅱ~Ⅲ级胶质瘤的IDH型具有较好的预测能力。
展开更多
关键词
脑胶质瘤
WHO分级Ⅱ级弥漫性胶质瘤
间变型胶质瘤
异柠檬酸酸脱氢酶
基因突变
影像组学
预测
下载PDF
职称材料
增强的基于灰度共生矩阵的脑肿瘤MRI图像分类
被引量:
4
2
作者
刘大鹏
程君
+4 位作者
黄唯
曹双亮
杨茹
贠照强
冯前进
《中国医学物理学杂志》
CSCD
2015年第6期772-776,共5页
针对T1加权对比度增强MRI(CE-MRI)脑肿瘤图像的自动分类问题,提出了一种增强的基于灰度共生矩阵(GLCM)的特征表达方法。GLCM是一种常用进行纹理分析的方法,但由于脑部肿瘤图像纹理复杂多变,传统的基于GLCM的二阶统计量特征,如对比度、...
针对T1加权对比度增强MRI(CE-MRI)脑肿瘤图像的自动分类问题,提出了一种增强的基于灰度共生矩阵(GLCM)的特征表达方法。GLCM是一种常用进行纹理分析的方法,但由于脑部肿瘤图像纹理复杂多变,传统的基于GLCM的二阶统计量特征,如对比度、相关性、能量等,不能很好地区分不同类别的肿瘤,例如使用各向同性的GLCM和4个方向的GLCM(0°、45°、90°、135°)得到的分类正确率只有61.26%和75.16%。本文提出了两个改进措施,极大地提高了分类正确率:(1)直接使用GLCM的元素作为特征表达;(2)对肿瘤区域和肿瘤边界区域分别构造GLCM。在包含3064张图像的数据集上验证了方法的有效性:使用措施(1),分类正确率提高到了82.38%;结合措施(1)和(2),分类正确率提高到了90.7%。结果表明使用改进的基于GLCM的特征表达对于脑部肿瘤图像的分类问题是有效的。
展开更多
关键词
T
1
加权对比度增强
mri
脑肿瘤分类
灰度共生矩阵
下载PDF
职称材料
题名
基于MRI T1增强影像的影像组学模型预测较低级别胶质瘤IDH基因型的价值
被引量:
1
1
作者
赵志勇
张婧
曹云太
张国晋
孙建清
李昇霖
周俊林
机构
兰州大学第二医院神经外科
遵义医科大学第五附属(珠海)医院医学影像中心
青海大学附属医院医学影像中心
四川省医学科学院/四川省人民医院放射科
上海联影中央研究院
兰州大学第二医院放射科
出处
《中国临床神经外科杂志》
2023年第3期145-149,共5页
基金
甘肃省卫生健康行业科研计划项目(GSWSKY2021-006)。
文摘
目的探讨基于MRI T1增强影像的影像组学预测较低级别胶质瘤(LerGG;包括WHO分级Ⅱ级弥漫性胶质瘤和间变型胶质瘤)异柠檬酸酸脱氢酶(IDH)基因型的价值。方法回顾性分析2017年1月至2020年6月手术切除并经术后病理证实的170例LerGG胶质瘤的临床资料和影像学资料,根据术前MRI T1增强影像,应用影像组学方法构建影像组学预测模型。结果170例中,WHO分级Ⅱ级例60例,Ⅲ级110例。从MRI T1增强影像的感兴趣区中共提取了1595个影像组学特征,降维分析后筛选5个影像组学标签,并构建预测模型,验证集和训练集分析显示模型预测IDH突变的曲线下面积分别为0.84、0.82,准确度分别为79%、80%,敏感度分别为81%、88%,特异度分别为75%、66%。结论基于MRI T1增强影像的影像组学模型对WHO分级Ⅱ~Ⅲ级胶质瘤的IDH型具有较好的预测能力。
关键词
脑胶质瘤
WHO分级Ⅱ级弥漫性胶质瘤
间变型胶质瘤
异柠檬酸酸脱氢酶
基因突变
影像组学
预测
Keywords
Glioma
Lower
grade
gliomas
Iso-citrate
dehydrogenase
T1-
weighted
contrast
-
enhanced
mri
Radiomics
Prediction
分类号
R739.41 [医药卫生—肿瘤]
下载PDF
职称材料
题名
增强的基于灰度共生矩阵的脑肿瘤MRI图像分类
被引量:
4
2
作者
刘大鹏
程君
黄唯
曹双亮
杨茹
贠照强
冯前进
机构
解放军第
南方医科大学生物医学工程学院
出处
《中国医学物理学杂志》
CSCD
2015年第6期772-776,共5页
基金
国家863高技术研究发展计划(2012AA02A616)
国家科技支撑计划(2012BA114B02)
文摘
针对T1加权对比度增强MRI(CE-MRI)脑肿瘤图像的自动分类问题,提出了一种增强的基于灰度共生矩阵(GLCM)的特征表达方法。GLCM是一种常用进行纹理分析的方法,但由于脑部肿瘤图像纹理复杂多变,传统的基于GLCM的二阶统计量特征,如对比度、相关性、能量等,不能很好地区分不同类别的肿瘤,例如使用各向同性的GLCM和4个方向的GLCM(0°、45°、90°、135°)得到的分类正确率只有61.26%和75.16%。本文提出了两个改进措施,极大地提高了分类正确率:(1)直接使用GLCM的元素作为特征表达;(2)对肿瘤区域和肿瘤边界区域分别构造GLCM。在包含3064张图像的数据集上验证了方法的有效性:使用措施(1),分类正确率提高到了82.38%;结合措施(1)和(2),分类正确率提高到了90.7%。结果表明使用改进的基于GLCM的特征表达对于脑部肿瘤图像的分类问题是有效的。
关键词
T
1
加权对比度增强
mri
脑肿瘤分类
灰度共生矩阵
Keywords
T1-
weighted
contrast
-
enhanced
mri
brain
tumor
classification
gray
level
co-occurrence
matrix
分类号
R739.9 [医药卫生—肿瘤]
TP391 [医药卫生—临床医学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于MRI T1增强影像的影像组学模型预测较低级别胶质瘤IDH基因型的价值
赵志勇
张婧
曹云太
张国晋
孙建清
李昇霖
周俊林
《中国临床神经外科杂志》
2023
1
下载PDF
职称材料
2
增强的基于灰度共生矩阵的脑肿瘤MRI图像分类
刘大鹏
程君
黄唯
曹双亮
杨茹
贠照强
冯前进
《中国医学物理学杂志》
CSCD
2015
4
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