检索结果-南通市图书馆

中华胃肠外科杂志 2020年第6期23卷 572-577页

作者：徐吉华周晓明马金龙刘世松张茂申郑学风张训营刘广伟张宪祥卢云王东升青岛大学附属医院胃肠外科 266003 青岛大学附属医院影像科 266003 山东省数字医学与计算机辅助手术重点实验室青岛266003

目的探讨利用更快的区域卷积神经网络算法(Faster R-CNN)分析直肠癌磁共振(MRI)平扫图像以评估环周切缘(CRM)状态的可行性。方法病例纳入标准:(1)CRM阳性区域位于提肛肌肛管平面至腹膜反折之间,电子结肠镜及组织病理学检查证实为直肠恶... 详细信息

目的探讨利用更快的区域卷积神经网络算法(Faster R-CNN)分析直肠癌磁共振(MRI)平扫图像以评估环周切缘(CRM)状态的可行性。方法病例纳入标准:(1)CRM阳性区域位于提肛肌肛管平面至腹膜反折之间,电子结肠镜及组织病理学检查证实为直肠恶性肿瘤;(2)术后病理或术前高分辨MRI检查证实有CRM阳性。排除标准:新辅助治疗后、手术后复发、图像质量差伪影、肿瘤巨大及广泛坏死等组织变性以及既往盆腔手术史直肠临近组织结构改变的病例。根据以上标准,收集青岛大学附属医院2016年7月至2019年6月期间,350例CRM阳性直肠癌患者的MR平扫图像。将患者按照性别和肿瘤部位分类,应用计算机随机数字法以6∶1比例随机分配为训练组(300例)和测试组(50例)。利用LabelImg软件在T2加权成像(T2WI)图像上对CRM阳性区域进行标识。应用标识的训练组图像对Faster R-CNN模型进行迭代训练、优化参数,直到网络收敛获得最佳的深度学习模型。利用测试集数据评估人工智能平台的识别性能,选取指标包括准确度、敏感性、阳性预测值、受试者工作特征曲线和曲线下面积(AUC),以及识别单张图像所花费的时间。结果训练后的Faster R-CNN模型判定CRM状态的准确度、敏感性、特异性、阳性预测值和阴性预测值分别为0.884、0.857、0.898、0.807和0.926;AUC为0.934(95%CI:91.3%~95.4%)。Faster R-CNN模型对单张图像的自动识别时间为0.2 s。结论基于Faster R-CNN建立的对直肠癌CRM阳性MRI图像识别和分割的人工智能模型,可完成对原位肿瘤外侵引起CRM阳性区域的风险评估,具有初步筛选的应用价值。

关键词：直肠肿瘤更快的区域卷积神经网络算法环周切缘磁共振平扫

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：