全文获取类型
收费全文 | 100篇 |
免费 | 7篇 |
国内免费 | 1篇 |
专业分类
基础医学 | 1篇 |
临床医学 | 11篇 |
内科学 | 1篇 |
特种医学 | 15篇 |
外科学 | 3篇 |
综合类 | 35篇 |
预防医学 | 42篇 |
出版年
2024年 | 1篇 |
2023年 | 1篇 |
2022年 | 3篇 |
2021年 | 2篇 |
2020年 | 2篇 |
2019年 | 5篇 |
2018年 | 1篇 |
2016年 | 2篇 |
2014年 | 3篇 |
2013年 | 2篇 |
2012年 | 8篇 |
2011年 | 10篇 |
2010年 | 10篇 |
2009年 | 3篇 |
2008年 | 3篇 |
2007年 | 7篇 |
2006年 | 16篇 |
2005年 | 4篇 |
2004年 | 5篇 |
2003年 | 2篇 |
2001年 | 3篇 |
2000年 | 3篇 |
1999年 | 3篇 |
1997年 | 3篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1994年 | 2篇 |
1990年 | 1篇 |
排序方式: 共有108条查询结果,搜索用时 46 毫秒
1.
【摘要】目的:探讨基于常规MRI的纹理分析技术在鉴别良恶性软组织肿瘤(STT)中的价值。方法:回顾性分析2015年1月-2019年9月在我院经手术病理证实的91例STT患者的病例资料。所有患者术前行MRI检查,包括横轴面T1WI及横轴面、冠状面和矢状面脂肪抑制质子密度加权像(FS-PDWI)。采用MaZda软件进行纹理分析,在各序列图像中选取病灶最大层面及相邻的2个层面,测量肿块大小,沿病灶边界勾画ROI,提取病灶的纹理特征,包括直方图参数(均值、变异度、偏度、峰度及第1、10、50、90、99百分位数)和灰度共生矩阵(GLCM)参数(能量、对比度、相关、平方和、逆差矩、均和、和方差、和熵、熵、差方差和差熵)。采用t检验、LSD(方差齐)或Mann-Whitney U检验(方差不齐)对良恶性组的患者年龄、病灶大小及纹理参数进行比较,对差异有统计学意义的指标进一步行ROC曲线分析评估其诊断效能。采用多因素Logistic回归分析获得判断良恶性STT的独立预测因素并建模,绘制 ROC曲线评估模型的鉴别诊断效能。结果:91例中良性43例、恶性48例。良恶性STT的大小及在T1WI和FS-PDWI图像上的对比度、相关、逆差矩、差方差和差熵的组间差异均有统计学意义(P<0.05);其它GLCM参数及直方图参数在两组间的差异无统计学意义(P>0.05)。FS-PDWI图像上,除差熵的诊断效能低于T1WI(AUC:0.710 vs. 0.714),其它参数(对比度、相关、逆差矩、差方差)的诊断效能均优于T1WI(AUC分别为0.853 vs. 0.761,0.849 vs. 0.742,0.750 vs. 0.714和0.807 vs. 0.723)。以病理结果良、恶性为因变量,采用逐步回归法来筛选自变量,选入回归模型的变量为T1WI上的差熵及FS-PDWI上的差方差和差熵(P值分别为0.033、0.030和0.031),提示上述参数是判断STT良恶性的独立预测因素,相应模型的AUC为0.811,敏感度为82.4%,特异度为71.4%。结论:基于常规MRI的纹理分析技术有助于良恶性软组织肿瘤的鉴别。 相似文献
2.
【摘要】目的:探讨基于常规MRI的影像组学模型对预测软组织肉瘤(STS)复发的价值。方法:回顾性分析2012年1月-2021年6月在本院经手术病理证实的92例STS患者的临床和影像资料。术后每3个月进行一次影像学检查,随访时间至少12个月以上,根据随访结果有无复发或远处转移分为复发组(27例),无复发组(65例)。采用完全随机方法将所有患者按7:3的比例分为训练集(n=65)和验证集(n=27)。使用ITK-SNAP软件,分别在T1WI和压脂T2WI上逐层沿肿瘤边缘手动勾画ROI并进行三维融合(VOI),然后使用AK软件提取纹理特征,使用最小冗余最大相关(mRMR)和最小绝对值收敛和选择算子(LASSO)回归分析方法分别对T1WI序列、压脂T2WI序列和联合序列的纹理特征进行降维和筛选,并建立影像组学模型,根据各个组学特征的权重系数计算影像组学评分(Radscore),运用100次留组交叉验证(LGOCV)方法来评估模型的可靠性。将临床病理、常规MRI特征与预测效能最高的影像组学模型的Radscore相结合,采用多因素logistic回归(LR)、随机森林(RF)和支持向量机(SVM)三种机器学习算法分别建立机器学习模型。采用受试者工作特征(ROC)曲线评价各模型的预测效能,应用决策曲线分析(DCA)评估模型的临床应用价值。结果:临床模型在训练集和验证集中预测STS复发的ROC曲线下面积(AUC)分别为0.71(95%CI:0.58~0.85)和0.74(95%CI:0.52~0.97)。基于T1WI、压脂T2WI和联合序列的影像组学模型在训练集中预测STS复发的AUC分别为0.81(95%CI:0.70~0.93)、0.92(95%CI:0.86~0.99)和0.91(95%CI:0.84~0.99),在验证集中分别为0.84(95%CI:0.63~1.00)、0.92(95%CI:0.81~1.00)和0.86(95%CI:0.72~1.00)。采用机器学习算法构建的LR、RF和SVM模型在训练集中预测STS复发的AUC分别为0.93(95%CI:0.87~0.99)、0.91(95%CI:0.84~0.99)和0.77(95%CI:0.63~0.91),在验证集中分别为0.93(95%CI:0.83~1.00)、0.86(95%CI:0.71~1.00)和0.83(95%CI:0.66~1.00)。DCA分析结果表明,压脂T2WI和联合序列的影像组学模型、以及LR和RF模型的临床受益均较好。结论:基于常规MRI序列中的压脂T2WI和联合序列构建的影像组学模型对预测STS复发具有较高的预测效能和较好的临床受益,基于不同机器学习算法构建的预测模型的预测效能并无明显提高。 相似文献
3.
4.
5.
目的 探讨不同月经状态女性正常子宫动态增强MRI定量参数值的特点及其临床意义。方法 收集我院46例不同月经状态女性资料,均行动态增强MR检查,测量子宫内膜、结合带及肌层定量参数值,包括体积转运常数(Ktrans)、速率转运常数(Kep)及体积分数(Ve)。根据不同月经状态将受试者分为绝经前和绝经后(n=14)。采用单因素方差或秩和检验比较子宫不同层面、不同月经状态的定量参数。结果 相同子宫层面,不同月经状态子宫内膜Ktrans、Kep值及子宫结合带Ve值总体比较差异有统计学意义(P均<0.05);子宫内膜绝经后Ktrans、Kep值与分泌期和增殖期、分泌期Kep值与增殖期差异均有统计学意义(P均<0.05);结合带增殖期Ve值与绝经后间差异有统计学意义(P<0.05)。相同的月经状态,子宫内膜、结合带及肌层的Ktrans值、Kep值及Ve值差异均有统计学意义(P均<0.05);子宫各层面分泌期Ktrans值两两比较差异均有统计学意义(P均<0.05),子宫结合带和肌层的增殖期和绝经后Ktrans值与子宫内膜同一月经状态差异有统计学意义(P均<0.05);除绝经后结合带与肌层间Kep值差异无统计学意义,子宫各层面同一月经状态Kep值两两比较差异均有统计学意义(P<0.05)。结论 采用动态增强MRI定量参数评判子宫疾病时应考虑不同月经状态下Ktrans、Kep和Ve的变化。 相似文献
6.
目的本文使用自行研制的X线机高压测量仪,对两台X线机进行测量,同时使用非介入式X线多参数测量仪进行测量,比较两者的测量结果,判定研制设备的测量误差。方法 选择两台X线发生装置作为被测件用来测量数据,设定常用曝光参数,用研制的X线机高压测量仪和非介入式X线多参数测量仪分别测量两台X线机高压数据,计算测量误差。结果研制的X线机高压测量仪能够获得X线机高压发生器输出高压的平均值、上升时间、下降时间、曝光时间及纹波系数,高压值测量误差小于非介入式X线多参数测量仪。结论自行研制的X线机高压测量仪的测量误差能够满足测量的需要。 相似文献
7.
8.
X线机高压测量分析仪的研制 总被引:1,自引:1,他引:0
目的:设计和研制X线机高压测量分析仪,用于X线机的维修检测和计量检定以及对新设备的验收,确保X线机高压输出的准确和稳定。方法:系统由高压分压电路、阻抗转换电路、数据采集、USB接口和计算机等5部分组成。通过高压分压电路取得高压发生器的分压信号,经阻抗转换电路将信号输入到数据采集系统,再由USB接口输入到计算机,实现信号的实时显示、存储、分析和计算。结果:该系统能够实现快速、实时的数据采集,并能够实时显示数据波形,计算X线机输出高压的参数,对X线机进行实时测试,符合设计要求。结论:通过对X线机的高压进行测试,验证该仪器信号采集精度高,计算结果精确;由于该研究的降压部件体积小、质量小、携带方便,而且作为上位机的计算机已在医院普及,容易实现系统配套,成本低,可作为医院质量控制的检测装置。 相似文献
9.
10.