检索结果-南通市图书馆

作者：漆安琪南方医科大学

学位级别：硕士

[背景]肾透明细胞癌(Clear cell renal cell carcinoma,ccRCC)是肾细胞癌(Renal cell carcinoma,RCC)中一种预后较差的病理亚型。ccRCC的who/isup核分级与患者的5年生存率存在显著相关性,是预测患者预后的独立因素,对不同的核分级患者... 详细信息

[背景]肾透明细胞癌(Clear cell renal cell carcinoma,ccRCC)是肾细胞癌(Renal cell carcinoma,RCC)中一种预后较差的病理亚型。ccRCC的who/isup核分级与患者的5年生存率存在显著相关性,是预测患者预后的独立因素,对不同的核分级患者进行针对性治疗可能会有效改善患者的生存时间和生存质量。目前临床主要通过组织病理学检测ccRCC肿瘤核分级,但晚期患者耐受差,活检和大体病理之间仍存在不一致的情况,同时,也依赖临床医生的临床经验和操作水平,仍存在一些局限性。影像组学通过其高通量的影像组学特征反映肿瘤的异质性,可有效改善上述问题。然而大部分影像组学中的特征选择方法,通常存在预测模型的鲁棒性较差以及选择特征的可解释性不够等问题。为此,本文引入了一种差异化网络分析特征选择方法选择CT肾癌影像组学特征,重点研究了以此构建核分级预测模型的可行性及选择特征的可解释性。[目的]1.基于差异化网络分析构建CT影像组学who/isup核分级预测模型。2.通过生存分析探讨who/isup核分级预测模型特征与患者预后的关系。[材料与方法]回顾性分析了 2015年至2021年南方医科大学南方医院收治的175例ccRCC患者(训练集105例,测试集70例)。首先,通过ITK-SNAP软件分别在患者的CT平扫期和三个增强期相图像上勾画病灶,形成三维容积感兴趣区。然后使用PyRadiomics软件对分割图像进行特征提取,每个期相提取107个影像组学特征。第二章:在训练集中,首先通过差异化网络分析分别对各期相特征进行特征选择。然后基于选择的特征,使用Logistic回归构建各期相的who/isup核分级预测模型。通过5次10折分层交叉验证选择其中性能最佳的期相预测模型,并与其它机器学习和临床模型进行比较以检验其性能。通过受试者工作特征(ROC)曲线以及曲线下的面积(AUC)对模型性能进行评估,并使用DeLong检验比较结果差异。第三章:通过相关生存分析检验who/isup核分级预测模型中的影像组学特征与患者预后是否存在相关性。采用Kaplan-Meier生存分析、单因素和多因素Cox比例风险回归模型评估与患者无进展生存期相关的影像组学特征;最后,使用风险评分对最终保留的影像组学特征进行可视化描述。[结果]第二章:1.比较各期相的影像组学模型:平扫期(Non-contrastphase,NCP)模型的预测效能最好,训练集和验证集中的AUC分别为0.78和0.76。2.比较NCP模型与不同机器学习模型:在训练集中,NCP模型和随机森林模型优于其它模型,但二者没有统计学差异(p>0.05)。在测试集中,大部分机器学习模型的性能有大幅度降低,但NCP模型依然保持稳定。3.比较NCP模型与临床模型:在验证集和测试集中,NCP模型均表现最佳(AUC分别为0.76和0.75),显著优于其它模型(pwho/isup核分级。2.核分级预测模型中的影像组学特征与ccRCC患者的预后存在关联,能很好的预测患者的无进展生存期,有较强的可解释性。

关键词：肾透明细胞癌 who/isup核分级影像组学差异化网络分析无进展生存期

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

基于差异化网络分析的CT平扫期影像组学模型可有效预测及解释肾透明细胞癌who/isup核分级

引用

分子影像学杂志 2023年第3期46卷 421-430页

作者：漆安琪张海捷殷夫杨丽洋崔维维杨姗姗文戈南方医科大学南方医院增城院区医学影像科广东广州511300 深圳市第二人民医院PET/CT中心广东深圳518052 深圳大学信息工程学院广东深圳518052 南方医科大学南方医院影像中心广东广州510515

目的探讨基于差异化网络分析特征选择的CT影像组学模型预测肾透明细胞癌世界卫生组织/国际泌尿病理学会(who/isup)核分级的可行性,以及探讨模型特征的可解释性。方法回顾性分析175例肾透明细胞癌患者的CT图像以及临床病理资料,其中训练... 详细信息

目的探讨基于差异化网络分析特征选择的CT影像组学模型预测肾透明细胞癌世界卫生组织/国际泌尿病理学会(who/isup)核分级的可行性,以及探讨模型特征的可解释性。方法回顾性分析175例肾透明细胞癌患者的CT图像以及临床病理资料,其中训练集105例,测试集70例。使用ITK-SNAP和PyRadiomics软件平台对肿瘤的图像进行分割和特征提取。在训练集中,通过差异化网络分析进行特征选择,并构建不同期相的who/isup核分级预测模型。选择性能最佳的期相模型,并与其他机器学习模型和临床模型比较检验其性能。通过K-M生存分析、Cox回归分析以及风险评分,对最佳期相模型中的特征进行重要性评估,以验证其可解释性。结果平扫期模型的预测效能最好,验证集中的曲线下面积均为0.76,优于其他机器学习模型以及临床模型(Pwho/isup核分级,同时该模型的特征也能很好的预测无进展生存期,有较强的可解释性。

关键词：肾透明细胞癌影像组学差异化网络分析 who/isup核分级无进展生存期

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

肾肿瘤复杂度评估体系在术前预测肾脏透明细胞癌who/isup核分级中的应用

引用

复旦学报（医学版） 2021年第4期48卷 476-480页

作者：许培榕黄嘉琦张思弘项卓仪李耀辉何敏坷朱延军郭剑明王杭复旦大学附属中山医院泌尿外科上海200032

目的评估肾肿瘤复杂度评估体系在术前预测肾脏透明细胞癌who/isup核分级中的应用。方法回顾性分析复旦大学附属中山医院2017年1月-2019年12月间经术后病理诊断为肾脏透明细胞癌患者1272例。其中男性867例,女性405例;年龄19~86岁,平均58... 详细信息

目的评估肾肿瘤复杂度评估体系在术前预测肾脏透明细胞癌who/isup核分级中的应用。方法回顾性分析复旦大学附属中山医院2017年1月-2019年12月间经术后病理诊断为肾脏透明细胞癌患者1272例。其中男性867例,女性405例;年龄19~86岁,平均58岁;肿瘤位于左肾614例,右肾658例。采用国际上经典的RENAL评分、PADUA评分和中山评分进行量化评估肿瘤复杂性。组织学核分级采用2016年最新推荐的who/isup分级系统,将who/isup核分级中Ⅰ~Ⅱ级归为低级别,Ⅲ~Ⅳ级归为高级别。结果1272例患者均顺利完成手术。766例行保留肾单位手术,506例行肾癌根治术;开放手术536例,传统腹腔镜手术433例,机器人辅助腹腔镜手术303例。根据who/isup核分级,Ⅰ级62例,Ⅱ级963例,Ⅲ级219例,Ⅳ级28例。在RENAL评分中,低、中、高肿瘤复杂度的高who/isup核分级比例分别为4.0%(11/273)、16.3%(94/576)和33.6%(142/423)。在PADUA评分中,低、中、高肿瘤复杂度的高who/isup核分级比例分别为2.6%(5/196)、8.3%(21/254)和26.9%(221/822)。在中山评分中,低中高肿瘤复杂度的高who/isup核分级的比例分别为0.9%(1/109)、6.4%(23/362)和27.8%(223/801)。在三种评分系统中,低中高肿瘤复杂度的高who/isup核分级所占比例的差异均有统计学意义(P10分,PADUA评分>12分的肿瘤中,who/isupⅢ~Ⅳ级所占比例超过50%;中山评分>14分的肿瘤均为who/isupⅢ~Ⅳ级。结论肾脏透明细胞癌的肿瘤复杂度与who/isup核分级之间存在正相关。术前联合使用RENAL评分、PADUA评分和中山评分,可以更好地预测肾脏透明细胞癌的who/isup核分级。

关键词：肾癌,透明细胞肿瘤复杂度 who/isup核分级

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

MRI技术在术前无创预测肾透明细胞癌who/isup核分级中的应用价值

引用

实用癌症杂志 2022年第5期37卷 772-776页

作者：孙玮李杰翟冬枝郑州大学第二附属医院 450000

目的探讨磁共振成像(MRI)技术在术前无创预测肾透明细胞癌世界卫生组织/国际泌尿病理学会(who/isup)核分级中的应用价值。方法回顾性分析293例肾透明细胞癌患者(共298个肿瘤)的一般资料、术前肾脏MRI检查图像特征评定,并用二元Logistic... 详细信息

目的探讨磁共振成像(MRI)技术在术前无创预测肾透明细胞癌世界卫生组织/国际泌尿病理学会(who/isup)核分级中的应用价值。方法回顾性分析293例肾透明细胞癌患者(共298个肿瘤)的一般资料、术前肾脏MRI检查图像特征评定,并用二元Logistic回归分析MRI技术于术前对肾透明细胞癌who/isup核分级的无创预测效能。结果高级别组患者肿瘤最大径高于低级别组患者(P核分级的独立因素(Pwho/isup分级高级别肾透明细胞癌灵敏度为88.3%,特异度为56.8%,准确度为72.3%。结论MRI技术对术前无创预测肾透明细胞癌who/isup核分级有较高的价值。

关键词： MRI 无创预测肾透明细胞癌 who/isup核分级

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

基于增强CT的透明细胞肾癌核分级分期诊断模型研究

基于增强CT的透明细胞肾癌核分级分期诊断模型研究

引用

作者：韩佳敏山东大学

学位级别：硕士

伴随人口老龄化加剧,我国癌症发病率也在逐年上升,其中肾癌新发病例在2022年已经达到了 77,410例。透明细胞肾癌(clear cell Renal Cell Carcinoma,ccRCC)是肾癌最主要的亚型(约占75%以上),其主要的预后评估标准是病理核分级。针对ccRC... 详细信息

伴随人口老龄化加剧,我国癌症发病率也在逐年上升,其中肾癌新发病例在2022年已经达到了 77,410例。透明细胞肾癌(clear cell Renal Cell Carcinoma,ccRCC)是肾癌最主要的亚型(约占75%以上),其主要的预后评估标准是病理核分级。针对ccRCC肿瘤的术前病理核分级评估是提高肾癌早期筛查率和改善患者预后的关键因素。基于人工智能技术的医学影像分析能够定量描述肿瘤内部异质性,为ccRCC的早期非侵入性辅助诊断提供了解决方案。而当前基于增强CT影像的ccRCC术前非侵入性核分级辅助诊断在临床应用中还有以下困难:由于多期扫描得到的增强CT图像繁多,对于诊断核分级可能存在信息冗余,导致辅助临床诊断效率低下,而特定核分级的ccRCC肿瘤和病变组织在不同增强时期的图像中可能会有特定的增强。本论文通过构建基于影像组学和深度学习的ccRCC核分级分类模型,比较了多相增强 CT 的皮质髓质期(Corticomedullary Phase,CMP)、肾造影期(Nephrographic Phase,NP)和排泄期(Excretory Phase,EP)三个时期诊断核分级的模型性能,分析了不同核分级在三个增强时期中影像学特征的差异性,得到了诊断核分级的最佳增强时期为NP。论文主要完成的工作如下:(1)基于增强CT的三个时期分别构建了 ccRCC病理核分级影像组学诊断模型,且模型在NP中能更好地实现对核分级的术前诊断。通过对CMP、NP和EP进行影像组学特征提取和模型训练,筛选出了特定于三个增强时期在诊断核分级时的最优特征子集,能够有效指导临床对多期扫描图像进行筛选;同时基于NP构建的模型在区分ccRCC病理核分级时具有较好的稳健性和泛化能力(SVM:AUC=0.82±0.05,RF:AUC=0.82±0.05,XGBoost:AUC=0.81±0.04)。(2)构建了三个时期的ccRCC病理核分级深度学习诊断模型,并开展了迁移学习优化训练,最终基于NP的迁移学习模型得到了最好的分类性能,且较影像组学模型表现更加出色。通过对CMP、NP和EP构建的深度学习核分级分类模型进行随机初始化训练和迁移学习优化训练,得到了分类性能最佳的模型为基于NP的ResNet18迁移学习模型(AUC=0.87),该模型在诊断核分级中取得了比影像组学更出色的性能,具备临床辅助诊断价值。综上所述,本论文提出了术前非侵入性评估ccRCC核分级的最佳增强时期为肾造影期(NP),且基于NP的迁移学习模型能更有效地评估病理核分级,为临床提供了可靠的术前核分级辅助诊断工具。

关键词：透明细胞肾癌 who/isup核分级多期对比增强CT 影像组学深度学习

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

在线全文

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

在线全文

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：