检索结果-南通市图书馆

中国医学创新 2019年第20期16卷 112-115页

作者：陈军梁宏广东省肇庆市第三人民医院广东肇庆526060 广东省肇庆市第一人民医院

目的:在脑胶质瘤诊断及分级中应用多层螺旋CT灌注成像,探讨其应用价值,为日后临床相关工作提供借鉴。方法:选取2017年1月16日-2018年5月10日本院收治的脑胶质瘤患者62例。以WTO发布神经系统肿瘤分类标准作为依据,结合病理结果,将患者分... 详细信息

目的:在脑胶质瘤诊断及分级中应用多层螺旋CT灌注成像,探讨其应用价值,为日后临床相关工作提供借鉴。方法:选取2017年1月16日-2018年5月10日本院收治的脑胶质瘤患者62例。以WTO发布神经系统肿瘤分类标准作为依据,结合病理结果,将患者分为低度恶性组(n=18)、中度恶性组(n=32)、高度恶性组(n=12)。三组均实施多层螺旋CT灌注成像诊断,对比各组肿瘤实质区、正常脑组织区各项血流指标(PS、BF、BV、rBV、rBF)。结果:瘤体实质区PS、BF、BV均高于正常脑组织(P0.05);低度恶性组rBV、rBF均低于中度恶性组、高度恶性组,且中度恶性组rBV、rBF均低于高度恶性组,差异均有统计学意义(P诊断及分级中,应用多层螺旋CT灌注成像,可清楚地了解患者的肿瘤实质区血流变化情况,为日后临床治疗提供参考依据。

关键词：脑胶质瘤诊断及分级多层螺旋CT灌注成像应用价值

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

基于18F-PSMA-1007PET/CT纹理分析在前列腺癌诊断及病理分级中的应用

基于18F-PSMA-1007PET/CT纹理分析在前列腺癌诊断及病理分级中的...

引用

作者：郭盛甘肃中医药大学

学位级别：硕士

目的:探讨基于18F-PSMA-1007PET/CT图像进行纹理分析在前列腺癌(prostate cancer,PCa)诊断及病理分级中的诊断价值,以期优化临床决策。方法:收集甘肃省人民医院2020年1月至2023年8月132例临床疑诊PCa的患者临床及影像资料,所有患者均完... 详细信息

目的:探讨基于18F-PSMA-1007PET/CT图像进行纹理分析在前列腺癌(prostate cancer,PCa)诊断及病理分级中的诊断价值,以期优化临床决策。方法:收集甘肃省人民医院2020年1月至2023年8月132例临床疑诊PCa的患者临床及影像资料,所有患者均完成基于18F-PSMA-1007PET/CT的检查。根据穿刺及术后病理结果,所有患者分为良性前列腺增生组(benign prostatic hyperplasia,BPH)和PCa组;按照7:3将数据随机拆分为训练集73例和验证集30例。通过在3D Slicer图像处理软件并结合CT图像勾画感兴趣区(region of interest,ROI),并用“Pyradiomics”包提取特征,共提取到107个纹理特征,使用最小绝对收缩与选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征的降维及筛选,基于多因素逻辑回归(logistic regression,LR)构建影像组学评分(Radiomics scores,Rad-score)模型。通过绘制受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)评估预测模型在PCa诊断及病理分级中的应用价值。绘制决策曲线分析(decision curve analysis,DCA)评估模型的临床净收益。根据Gleason评分(Gleason score,GS)分组,分为低级别(low score,Ls)组和高级别(high score,Hs)组。通过3D Slicer图像处理软件自动计算得到与病理分级相关的高阶纹理参数,包括直方图参数(平均值、标准差、偏度、峰度)和GLGM参数(相关性、能量、均匀性、熵),通过绘制ROC曲线并计算AUC来评估纹理参数及半定量参数最大标准化摄取值(Maximum standardized uptake value,SUVmax)的诊断效能。结果:根据纳入排除标准最终纳入103例患者的临床及影像资料,病理证实57例为BPH,46例PCa(18例Ls,28例Hs)。通过3D Slicer图像处理软件,共提取107个影像组学特征,经LASSO回归降维和筛选,共获得7个与诊断PCa密切相关的最优纹理特征,基于LASSO回归-多因素logistics回归分析建立Rad-score预测模型。通过ROC曲线比较PSAD、SUVmax以及Rad-score预测模型诊断PCa的效能,结果显示训练集和测试集Rad-score预测模型的AUC值均高于SUVmax、PSAD单独诊断PCa。训练集中,Rad-score预测模型的AUC值为0.922(95%CI:0.838-0.983,P诊断PCa的AUC值分别为:0.762(95%CI:0.646-0.869,P诊断PCa的AUC值分别为:0.758(95%CI:0.637-0.861,P诊断PCa具有较好的临床获益。在识别PCa病理分级中,SUVmax的AUC值为0.766(95%CI:0.623-0.891,P诊断PCa相比,提高了对PCa的诊断效能。同时纹理参数熵值、平均值、半定量参数SUVmax在识别PCa病理分级方面均有统计学意义,纹理参数熵值在区分低级别与高级别PCa优于纹理参数平均值、半定量参数SUVmax。

关键词： PET/CT 前列腺癌纹理分析诊断及分级

来源：

同方学位论文库评论

在线全文

同方学位论文库

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

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

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：