检索结果-南通市图书馆

不同机器学习模型对比增强T1加权图像影像组学鉴别脑转移瘤肺癌与非肺癌原发灶效能分析

在线全文

学校读者我要写书评

暂无评论

磁共振成像 2022年第12期13卷 74-80页

作者：隋莲玉任嘉梁王佳宁殷小平河北大学附属医院影像科保定071000 通用电气药业(上海)有限公司上海200203

目的建立不同机器学习算法的增强后T1加权图像影像组学模型,并对比不同模型鉴别肺癌与非肺癌脑转移瘤的诊断效能。材料与方法将728例肺癌脑转移瘤与126例非肺癌脑转移瘤患者按照7∶3比例随机分为训练集599例与验证集255例,所有患者增强T... 详细信息

目的建立不同机器学习算法的增强后T1加权图像影像组学模型,并对比不同模型鉴别肺癌与非肺癌脑转移瘤的诊断效能。材料与方法将728例肺癌脑转移瘤与126例非肺癌脑转移瘤患者按照7∶3比例随机分为训练集599例与验证集255例,所有患者增强T1加权图像导入ITK-SNAP软件,手动勾画感兴趣区(region of interest,ROI)。基于ROI进行影像组学特征提取并使用最小绝对收缩选择算子进行特征筛选。基于显著特征,分别建立支持向量机(support vector machines,SVM)、随机森林(random forest,RF)和逻辑回归(logistics regression,LR)模型,采用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型对肺癌脑转移瘤及非肺癌脑转移瘤的鉴别诊断效能。结果经过特征筛选后最终保留5个显著特征,诊断效能最好的SVM影像组学模型在训练集中的ROC曲线下面积(area under the curve,AUC)为0.796,准确度为85.3%,敏感度为87.8%,特异度为70.8%,验证集中的AUC为0.789,准确度为90.2%,敏感度为95.4%,特异度为59.5%。结论基于增强MR影像组学模型可用于预测原发灶不明脑转移瘤的肺癌与非肺癌原发灶肿瘤类型,SVM模型诊断价值高于RF及LR模型。

关键词：脑转移瘤肺癌影像组学对比增强T1加权图像磁共振成像

基于影像组学的食管鳞状细胞癌放疗后生存预测模型的建立与验证

在线全文

学校读者我要写书评

暂无评论

中国肿瘤临床 2022年第19期49卷 973-981页

作者：孔洁祝淑钗刘志坤时高峰刘洋张钧任嘉梁河北医科大学第四医院放疗科石家庄市050012 河北医科大学第四医院CT/MRI科石家庄市050012

目的:利用增强CT图像特征构建模型,预测食管鳞状细胞癌患者放疗后原发病灶的局部控制情况。方法:2016年7月至2017年12月218例于河北医科大学第四医院接受放化疗且病理诊断为鳞状细胞癌的食管癌患者随机分为训练组(153例)和验证组(65例)... 详细信息

目的:利用增强CT图像特征构建模型,预测食管鳞状细胞癌患者放疗后原发病灶的局部控制情况。方法:2016年7月至2017年12月218例于河北医科大学第四医院接受放化疗且病理诊断为鳞状细胞癌的食管癌患者随机分为训练组(153例)和验证组(65例),提取训练组患者的增强CT图像影像组学特征,构建并验证模型预测食管癌患者放疗后原发病灶局部控制的效能。采用ROC曲线、C-index曲线、校准曲线和决策曲线评价不同模型的性能。结果:在训练组筛选出6个有意义的影像组学特征,构建预测食管鳞状细胞癌放疗后原发病灶局部控制的放射学标签。训练组和验证组的ROC曲线下面积分别为0.758和0.728;Cindex为0.709和0.695;以放射学标签得分−0.22为界值分为高危组和低危组,低危组患者的1、3、5年无原发病灶复发生存率均高于高危组患者(P<0.05)。结合临床因素与放射学标签构建食管癌放疗后无原发病灶复发生存的影像组学列线图模型,ROC曲线评价预测效能的曲线下面积在训练组和对照组分别为0.775和0.740;C-index分别为0.722和0.707;以影像组学列线图模型得分0.55为界值分为高危组和低危组,低危组患者的1、3、5年无原发病灶复发生存率均高于高危组患者(P<0.05)。结论:成功构建预测食管癌放疗后无原发病灶复发生存的模型,模型具有较好的临床预测价值。

关键词：食管癌增强 CT 放射学特征无原发病灶复发生存

CT影像组学模型对食管鳞癌患者放疗后5年生存的预测价值

在线全文

学校读者我要写书评

暂无评论

中华放射肿瘤学杂志 2023年第11期32卷 970-977页

作者：孔洁陈亮刘志坤祝淑钗杨芳尚宇光任嘉梁河北医科大学第四医院放疗科石家庄050035 石家庄市第四医院麻醉科石家庄050035 通用电气药业有限公司北京100176

目的探讨基于增强CT图像特征的预测模型对食管鳞癌放疗后5年总生存(OS)的预测价值。方法回顾性分析2016年7月—2017年12月在河北医科大学第四医院接受根治性放化疗且病理诊断明确的218例食管鳞状细胞癌患者的临床资料。采用简单随机法按... 详细信息

目的探讨基于增强CT图像特征的预测模型对食管鳞癌放疗后5年总生存(OS)的预测价值。方法回顾性分析2016年7月—2017年12月在河北医科大学第四医院接受根治性放化疗且病理诊断明确的218例食管鳞状细胞癌患者的临床资料。采用简单随机法按照7:3的比例将患者分为训练组(153例)和验证组(65例),提取患者增强CT图像影像组学特征。训练组数据用于构建预测模型,验证组数据用于验证该模型预测患者放疗后5年OS的效能。通过受试者操作特征(ROC)曲线、一致性指数(C指数)及决策者曲线评价模型的预测性能。结果患者1、3、5年OS率分别为67.0%、33.4%、24.9%。从训练组中提取的特征中筛选出5个影像组学特征来构建预测5年OS的放射学标签。训练组和验证组的ROC曲线下面积分别为0.760和0.707,C指数分别为0.680和0.684。将放射学标签与临床危险因素结合构建预测食管癌放疗后5年OS的影像组学列线图模型,ROC曲线下面积在训练组和验证组分别为0.782和0.751,C指数分别为0.708和0.688。根据模型的最佳分界值将训练组患者分为高危组和低危组,低危组患者1、3、5年OS率分别为86.5%、65.4%、28.9%,高危组患者分别为58.4%、17.8%、5.9%,差异有统计学意义(P<0.001),而且验证组也得出了类似的结论(P<0.001)。结论利用增强CT图像特征构建的食管癌放疗后5年OS预测模型,可以用作临床预测。

关键词：食管鳞状细胞癌放射疗法影像组学增强CT 总生存

基于多参数MRI的影像组学融合模型对乳腺癌腋窝淋巴结转移的术前预测价值

在线全文

学校读者我要写书评

暂无评论

中华解剖与临床杂志 2023年第12期28卷 773-781页

作者：尹智崔艳芬任嘉梁杨晓棠山西医科大学医学影像学院太原030000 山西省肿瘤医院/中国医学科学院肿瘤医院山西医院/山西医科大学附属肿瘤医院医学影像科太原030000 北京通用电气公司药品管理科北京100000

目的探讨基于多参数MRI的影像组学融合模型在乳腺癌术前预测腋窝淋巴结(ALN)转移的应用价值。方法回顾性队列研究。纳入山西省肿瘤医院2020年8月—2021年9月经病理证实的272例乳腺癌患者的多参数MRI及临床病理资料。患者均为女性,年龄28... 详细信息

目的探讨基于多参数MRI的影像组学融合模型在乳腺癌术前预测腋窝淋巴结(ALN)转移的应用价值。方法回顾性队列研究。纳入山西省肿瘤医院2020年8月—2021年9月经病理证实的272例乳腺癌患者的多参数MRI及临床病理资料。患者均为女性,年龄28~79(53.0±10.9)岁,其中ALN阳性107例、ALN阴性165例。按照7∶3的比例随机将患者分为训练组(191例)和验证组(81例)。从T2加权像(T2WI)、表观弥散系数(ADC)图和增强T1加权像(cT1WI)序列中提取影像组学特征。采用单因素逻辑回归、相关性分析和Boruta算法3个步骤进行特征选择,然后采用支持向量机(SVM)、随机森林(RF)和逻辑回归(LR)3种机器学习方法构建影像组学模型,并基于最优模型计算每位患者的影像组学分数(Radscore)。同时,通过多因素逐步回归分析筛选乳腺癌ALN转移的独立危险因素并构建临床模型。最后,联合Radscore和临床独立危险因素构建融合模型,并绘制列线图。采用受试者操作特征曲线、校准曲线和决策曲线(DCA)来评价模型对乳腺癌ALN转移的预测性能及临床效益。结果训练组和验证组患者肿瘤位置比较,差异有统计学意义(P<0.05);训练组中ALN阳性与ALN阴性患者间的肿瘤位置、MRI评估淋巴结状态比较,验证组中ALN阳性与ALN阴性患者间的雌激素受体、分子亚型及MRI评估淋巴结状态比较,差异均有统计学意义(P值均<0.05)。基于多参数MRI降维选择后,得到了6个与ALN转移呈显著相关的影像组学特征(P值均<0.05)。在训练组和验证组中,SVM、RF和LR模型均表现出很好的预测能力,AUC分别为0.784、0.826、0.703和0.733、0.817、0.703,其中RF模型效能最高。单因素、多因素回归分析显示,MRI评估淋巴结状态是乳腺癌ALN转移的独立预测因子[比值比(95%可信区间)=10.909(5.210~24.511),P<0.001],采用这一指标构建临床模型。联合Radscore和MRI评估ALN状态的融合模型在训练组和验证组中均表现出更好的性能,AUC分别为0.867和0.866,且其诊断效能均优于上述3种机器学习模型和临床模型(AUC分别为0.719和0.700)。DCA显示,3种机器学习模型、临床模型和融合模型均有一定的临床效益,其中融合模型的净收益值最大。结论基于多参数MRI影像组学特征和联合MRI评估淋巴结状态的融合模型有助于术前准确预测乳腺癌ALN转移状态。

关键词：乳腺肿瘤磁共振成像影像组学机器学习腋窝淋巴结转移

非重症新型冠状病毒肺炎的CT和临床特征的演变及相关性

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报（医学版） 2021年第3期42卷 375-380页

作者：朱亚男张晓丽李辉李奎任嘉梁周和平安康学院附属安康市中心医院影像中心陕西安康725000 安康学院附属安康市中心医院感染性疾病科陕西安康725000 通用电气药业(上海)有限公司北京100176

目的探讨非重症新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)患者CT和临床特征的演变规律及相关性。方法以5 d为间隔划分病程,回顾性分析24例非重症COVID-19患者不同时期的胸部CT特征、临床症状和实验室检查的动态变化。临床... 详细信息

目的探讨非重症新型冠状病毒肺炎(coronavirus disease 2019,COVID-19)患者CT和临床特征的演变规律及相关性。方法以5 d为间隔划分病程,回顾性分析24例非重症COVID-19患者不同时期的胸部CT特征、临床症状和实验室检查的动态变化。临床症状、CT特征等分类变量用率表示,用连续性折线图表示各时期CT特征、临床症状、实验室检查的动态变化。将病变范围CT评分和病灶数目与临床表现进行相关性分析,P20 d 17例。COVID-19患者的CT主要征象是胸膜下磨玻璃影,伴随征象包括铺路石征、血管增粗、纤维条索影、空气支气管征、小叶中心结节、晕征、反晕征、支气管壁增厚、肺体积缩小;0~5 d,病灶数目最多,急性症状最明显,淋巴细胞计数和淋巴细胞百分比最低,高敏C反应蛋白浓度最高;5~10 d,病变范围CT评分最高,C反应蛋白浓度最高、红细胞沉降率最快,白细胞计数最低。病变范围CT评分和病灶数目与体温、红细胞沉降率、C反应蛋白浓度、高敏C反应蛋白浓度呈正比,与白细胞计数呈反比。结论非重症COVID-19患者0~10 d时的CT和临床特征的变化趋势接近;病变范围CT评分和病灶数目与临床特征呈相关性。

关键词：新型冠状病毒肺炎 CT征象临床表现演变相关性

影像技术在预测胃肠道间质瘤危险分层中的研究进展

在线全文

学校读者我要写书评

暂无评论

临床放射学杂志 2021年第12期40卷 2326-2328页

作者：马冲菲时高峰杨丽张春冉崔玉芝任嘉梁河北医科大学附属第四医院CT磁共振室石家庄050011

胃肠道间质瘤(gastrointestinal stromal tumors, GISTs)作为临床靶向治疗的典范,越来越受到临床的关注,GIST的危险度分级指导临床治疗决策,故危险度分级越来越重要。2017年中国抗癌协会临床肿瘤学协作专业委员会(Chinese society of cl... 详细信息

胃肠道间质瘤(gastrointestinal stromal tumors, GISTs)作为临床靶向治疗的典范,越来越受到临床的关注,GIST的危险度分级指导临床治疗决策,故危险度分级越来越重要。2017年中国抗癌协会临床肿瘤学协作专业委员会(Chinese society of clinical oncology, CSCO)指出GIST的危险度分级的指标主要包括肿瘤最大径、核分裂象、发生部位[1]。

关键词：危险度分级胃肠道间质瘤临床肿瘤学危险分层影像技术核分裂象靶向治疗 CSCO

传统影像特征与多序列影像组学模型对上皮性卵巢癌分型的价值

在线全文

学校读者我要写书评

暂无评论

放射学实践 2021年第5期36卷 621-627页

作者：钱洛丹吴慧牛广明任嘉梁崔艳芬蔚纳内蒙古医科大学附属医院影像科呼和浩特010050 通用电气药业(上海)有限公司上海210000 山西省肿瘤医院影像科MR/CT室太原030013

目的:比较传统影像特征与多序列影像组学模型在鉴别诊断Ⅰ型与Ⅱ型上皮性卵巢癌(EOC)中的效能,并验证传统模型与影像组学模型相结合能否提升预测EOC分型的效能。方法:搜集2015年1月-2019年6月经我院手术病理证实为EOC,且术前行MRI检查... 详细信息

目的:比较传统影像特征与多序列影像组学模型在鉴别诊断Ⅰ型与Ⅱ型上皮性卵巢癌(EOC)中的效能,并验证传统模型与影像组学模型相结合能否提升预测EOC分型的效能。方法:搜集2015年1月-2019年6月经我院手术病理证实为EOC,且术前行MRI检查的61例患者,共80个病灶(Ⅰ型30个,Ⅱ型50个)。建立传统模型,包括常规MRI形态学特征及ADC值,通过多因素logistic回归筛选有统计学意义的特征;建立包括FS-T 2WI、DWI和T 1增强图像的影像组学模型,每个序列提取1070个影像组学特征,采用单变量分析和最小绝对收缩选择算法(LASSO)筛选重要特征,最后将传统模型与多序列组学模型相结合以建立混合模型。通过ROC曲线分析、校准曲线和决策曲线(DCA)分析验证各模型的预测性能。采用Delong检验比较不同模型之间的AUC值差异。结果:传统模型显示出最高的性能,AUC为0.95(95%CI:0.90~0.99),混合模型的AUC为0.96(95%CI:0.9~1.0),混合模型的性能与传统模型差异无统计学意义(P>0.05)。校准曲线分析结果表明,传统模型具有最高的可靠性。分层分析结果显示了影像组学模型在早期区分两种肿瘤类型中的潜力。结论:传统模型可成为区分I型与II型EOC的有效工具,影像组学模型有可能在早期更好地区分EOC类型。

关键词：上皮性卵巢癌卵巢肿瘤组织学分型影像组学磁共振成像

基于增强CT影像组学模型鉴别肾透明细胞癌与非透明细胞癌

在线全文

学校读者我要写书评

暂无评论

中国医学影像技术 2019年第11期35卷 1689-1692页

作者：王平裴旭殷小平任嘉梁郭建党赵珍珍赵莹佳河北大学附属医院CT-MRI室河北保定071000 河北大学(医学院) 河北保定071000 河北省肿瘤放化疗机制与研究重点实验室河北保定071000 通用电气药业(上海)有限公司上海210000

目的建立基于增强CT的影像组学模型,评估其鉴别肾透明细胞癌(ccRCC)与非透明细胞癌(non-ccRCC)的应用价值。方法将147例ccRCC及32例non-ccRCC患者随机分为训练集125例和测试集54例。将所有患者的增强CT资料导入ITK-SNAP软件,手动勾画ROI... 详细信息

目的建立基于增强CT的影像组学模型,评估其鉴别肾透明细胞癌(ccRCC)与非透明细胞癌(non-ccRCC)的应用价值。方法将147例ccRCC及32例non-ccRCC患者随机分为训练集125例和测试集54例。将所有患者的增强CT资料导入ITK-SNAP软件,手动勾画ROI,获得16个特征,分别建立基于特征的随机森林(RF)模型和逻辑回归(LR)模型,采用ROC曲线观察模型对ccRCC的诊断效能。结果训练集RF模型诊断ccRCC的AUC为0.96(P<0.05),特异度为1.00,敏感度0.83;LR模型诊断ccRCC的AUC为0.96(P<0.05),特异度为1.00,敏感度为0.83。测试集RF模型诊断ccRCC的AUC为0.96(P<0.05),特异度为1.00,敏感度为0.89;LR模型诊断ccRCC的AUC为0.88(P<0.05),特异度为0.90,敏感度为0.77。结论基于增强CT影像组学模型可用于鉴别ccRCC与non-ccRCC;RF模型诊断价值较LR模型更高。

关键词：肾肿瘤影像组学体层摄影术,X线计算机

基于机器深度学习的影像组学特征及模型在鉴别肾脏良恶性肿瘤方面的研究

在线全文

学校读者我要写书评

暂无评论

影像研究与医学应用 2023年第24期7卷 56-59页

作者：王平任嘉梁殷小平浙江大学医学院附属第二医院超声医学科浙江杭州310000 通用电气药业<上海>有限公司上海210000 河北大学附属医院CT-MRI室河北保定071000

目的:应用影像组学模型鉴别肾脏良恶性肿瘤,并评估模型诊断的效能。方法:回顾性分析2017年1月-2022年12月河北大学附属医院收治的227例肾脏肿瘤患者的影像学资料,将188例肾脏恶性肿瘤与39例良性肿瘤患者按照7:3比例随机分为训练组与测试... 详细信息

目的:应用影像组学模型鉴别肾脏良恶性肿瘤,并评估模型诊断的效能。方法:回顾性分析2017年1月-2022年12月河北大学附属医院收治的227例肾脏肿瘤患者的影像学资料,将188例肾脏恶性肿瘤与39例良性肿瘤患者按照7:3比例随机分为训练组与测试组(训练:158例,测试:69例)。取患者增强CT的影像资料手动勾画肿瘤的感兴趣区,利用Artificial intelligence-kit软件提取396个影像组学特征后筛选出4个差异最大的组学特征,并建立了3个机器学习模型:支持向量机模型、随机森林模型、逻辑回归模型。使用受试者工作曲线下面积(AUC)值、准确率、灵敏度和特异度评估模型的诊断效能。结果:在训练组上逻辑回归模型鉴别肾脏良恶性肿瘤的AUC值0.89,灵敏度0.95,特异度0.59,阳性预测值0.92;支持向量机模型的AUC值0.90,灵敏度0.97,特异度0.56,阳性预测值0.91;随机森林模型的AUC值0.95,灵敏度1.00,特异度0.63,阳性预测值0.93。在测试组上逻辑回归模型鉴别肾脏良恶性肿瘤的AUC值0.96,灵敏度0.96,特异度0.83,阳性预测值0.97;支持向量机模型的AUC值0.96,灵敏度0.98,特异度0.83,阳性预测值0.97;随机森林模型的AUC值0.95,灵敏度1.00,特异度0.42,阳性预测值0.89。结论:三种影像组学模型在鉴别肾脏的良恶性肿瘤中随均表现出良好的诊断效能,影像组学方法具有准确诊断肾肿瘤的潜力,支持向量机模型在测试组灵敏度、特异度均较高,更加稳定可靠。

关键词：肾脏肿瘤影像组学支持向量机增强CT

维普期刊数据库博看期刊