首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   58篇
  完全免费   69篇
  临床医学   127篇
  2022年   49篇
  2021年   43篇
  2020年   13篇
  2019年   18篇
  2018年   1篇
  2017年   3篇
排序方式: 共有127条查询结果,搜索用时 120 毫秒
1.
影像组学中特征提取研究进展   总被引:8,自引:8,他引:0       下载免费PDF全文
影像组学是从CT、MRI、PET等医学影像的ROI提取大量影像特征,来描述肿瘤生物学特征和异质性等信息的一种定量分析方法。随着数据科学发展,影像组学的研究方法日益受到国内外的重视。影像组学的特征提取是其中的重要步骤。本文对影像组学的特征提取进行综述。  相似文献
2.
基于CT影像组学术前预测胃癌淋巴血管侵犯   总被引:2,自引:1,他引:1       下载免费PDF全文
目的 探讨基于CT影像组学术前预测胃癌淋巴血管侵犯的价值。方法 回顾性收集经手术病理证实的181例胃癌患者,将其随机分为训练集(n=120)和验证集(n=61)。首先基于增强CT静脉期图像分割肿瘤区域并提取影像组学特征;然后利用训练集筛选与淋巴血管侵犯相关特征,构建影像组学标签;最后基于验证集验证模型,采用ROC曲线及校准曲线评估模型的预测效能及拟合度。结果 最终提取7个与胃癌淋巴管血管侵犯最相关的影像组学特征构建影像组学标签,其在训练集的ROC曲线AUC为0.742[P=0.001,95%CI(0.652,0.831)],验证集AUC为0.727[P=0.002,95%CI(0.593,0.853)]。基于训练集所得最优阈值为0.422,模型在训练集中的准确率、敏感度和特异度分别为0.708、0.586、0.806,将此阈值用于验证集,其准确率、敏感度和特异度为0.689、0.519、0.824。校准曲线显示影像组学标签在训练集及验证集均具有较好的拟合度(P均>0.05)。结论 CT影像组学可作为预测胃癌术前淋巴血管侵犯提供的全新的无创影像学方法。  相似文献
3.
脑胶质瘤MGMT启动子甲基化影像学研究进展   总被引:1,自引:1,他引:0       下载免费PDF全文
O6-甲基鸟嘌呤-DNA甲基转移酶(MGMT)启动子甲基化是脑胶质瘤的重要分子生物学标志物,与脑胶质瘤的发生、诊断及预后关系密切。MRI、PET等影像学检查及影像组学方法能够获得反映脑胶质瘤结构、功能、代谢甚至分子水平改变的重要信息,有望于术前无创、准确预测MGMT启动子甲基化状态。本文就脑胶质瘤影像学特征与MGMT启动子甲基化关系的研究进展进行综述。  相似文献
4.
阿尔茨海默病影像组学关键方法研究进展   总被引:1,自引:1,他引:0       下载免费PDF全文
随着医学成像技术的发展,基于影像组学对阿尔茨海默病(AD)进行研究已成为当前热点之一。本文对现有影像组学方法在AD中的应用研究进展做一综述。首先阐述基于机器学习的影像组学和基于深度学习的影像组学方法基本工作流程;其次对基于机器学习的影像组学特征提取、选择和降维方法及统计分类模型进行概述;而后讨论近期基于深度学习的影像组学方法在AD中的应用;最后对比分析机器学习与深度学习方法在实际应用中存在的局限性与挑战。  相似文献
5.
基于增强CT放射组学预测肝细胞肝癌病理分级   总被引:1,自引:1,他引:0       下载免费PDF全文
目的 观察增强CT放射组学术前预测肝细胞肝癌(HCC)病理分级的可行性及价值。方法 回顾分析429例经手术病理证实的HCC患者,分为训练组(n=329)和测试组(n=100),记录其临床特征;提取动脉期(AP)及静脉期(VP)CT图像的放射组学特征,应用最小绝对值收敛和选择算子(LASSO)回归分析法对其进行降维,筛选最有价值的组学特征后,构建基于AP、VP、AP+VP图像特征的组学模型,计算2组放射学评分并进行二分类判别。根据病理结果定义高级别和低级别HCC,采用10倍交叉验证训练选择最优组学预测模型,筛选对预测HCC病理分级有意义的临床特征后,构建临床模型以及联合组学特征和临床特征的联合模型。绘制3种模型预测训练组和测试组HCC病理分级的ROC曲线,评估其诊断能力。结果 联合组学模型最优,其判别训练组及测试组高级别和低级别HCC的放射学评分的差异均有统计学意义(Z=8.58、3.24,P均<0.05)。测试组中,联合模型预测HCC病理分级的AUC值(0.70)与组学模型(0.69)和临床模型(0.63)差异均无统计学意义(P均>0.05)。结论 基于增强CT图像的放射组学特征可用于术前预测HCC病理分级。  相似文献
6.
目的利用影像组学与常规磁共振图像对脑胶质瘤进行分级。材料与方法利用BRATS2017公开数据集,自动从图像中的感兴趣区域提取多种特征,包括形态特征、灰度特征、纹理特征等,并运用特征选择方法进行特征选择,最后根据选出的特征对脑胶质瘤的高、低评级进行区分。对支持向量机、决策树与K近邻法等3种分类方法进行比较,也比较了基于遗传算法的包装方法和过滤方法这两种特征选择算法。结果采用过滤方法进行特征选择,支持向量机方法具有最高的准确率91.93%,受试者工作特征曲线下面积(area under the receiver operating characteristic curve,AUC)值为0.90。进一步采用遗传算法进行特征选择,准确率提升至93.33%,AUC值为0.94。结论基于常规磁共振图像,利用影像组学方法,选择合适的特征组合,可以对脑胶质瘤进行自动分级。  相似文献
7.
【】 目的:探讨乳腺癌患者超声影像组学定量特征分析与激素受体表达诊断相关性及其临床应用价值。方法:回顾性分析125例乳腺癌患者的术前超声特征与术后病理免疫组化结果。根据ER、PR、HER-2表达,将患者分为两组:激素受体阳性组(ER+、PR+、HER-2-),激素受体阴性组(ER-、PR-、HER-2-)。回顾性分析与评价乳腺癌肿块超声图像特征,通过基于相位信息动态轮廓模型筛选出与激素受体相关性强的特征性参数,应用支持向量机分类器及径向基核函数对研究数据进行研究分析。结果:超声定量组学代表性特征参数与激素受体表达相关联表明,除病灶形态外,两组间病灶大小、边缘、内部回声、后方回声、钙化等差异有统计学意义(P<0.05)。结论:超声影像组学定量特征分析可降低传统超声成像结论评价主观性,对乳腺癌激素受体表达特征及生物学行为预测方面具有一定的价值。  相似文献
8.
影像组学(radiomics)是一种从医学影像中高通量地提取影像特征来深入挖掘内部数据信息的技术方法,通过肿瘤分割、特征提取与模型建立来辅助临床对肿瘤的诊断与治疗。在精准医疗时代,乳腺癌(breast cancer,BC)的个体化早期诊治尤为重要。常规超声是诊断乳腺肿瘤的重要影像学方法,超声造影(contrast enhanced ultrasound,CEUS)可以实时显示乳腺肿瘤微血管灌注的形态学及功能学变化,在此基础上产生的超声及超声造影影像组学在乳腺肿瘤良恶性诊断及判断乳腺癌分子分型中具有潜在临床应用价值。本文就乳腺肿瘤常规超声联合超声造影影像组学特征与乳腺癌分子分型相关性方面进行综述。  相似文献
9.
目的:探讨基于T2加权成像压脂序列(T2-weighted imaging fat suppression,T2WI-FS)图像的影像组学特征所构建机器学习模型在术前预测乳腺癌患者腋窝淋巴结(axillary lymph nodes,ALN)转移中的价值.方法:回顾并分析经病理学检查证实的乳腺癌患者68例,共171枚ALN(转移101枚,非转移70枚).在T2WI-FS图像上勾画每个目标淋巴结的三维容积感兴趣区(volume of interest,VOI),并提取一阶统计量特征、几何形状及纹理特征等影像组学特征.随机将两组ALN分为训练集和验证集(8:2),采用K最佳和最小绝对收缩和选择算子(the least absolute shrinkage and selection operator,LASSO)算法对训练集特征降维以筛选出关键特征,最后建立基于K近邻(K-nearest neighbor,KNN)、支持向量机(support vector machine,SVM)和逻辑回归(logistic regression,LR)3种分类器的机器学习模型.采用受试者工作特征(receiver operating characteristic,ROC)曲线分析方法在验证集中评价3种预测模型的ROC曲线的曲线下面积(area under curve,AUC)、灵敏度和特异度,并用精准度、召回率和F1值评价模型的预测效能,并采用DeLong法比较不同预测模型的诊断效能.结果:基于每个VOI提取107个影像组学特征,通过降维处理后最终获取6个最佳特征进行模型构建.这6个特征包括1个形态学特征(表面积体积比)和5个纹理特征(依赖熵、游程熵、归一化依赖不均匀性、游程比及大区域的高灰度值优势).在基于6个最佳特征通过3个分类器所构建的乳腺癌ALN转移预测模型中,LR、KNN和SVM模型的AUC分别为0.88、0.86和0.86,DeLong检验显示差异均无统计学意义(P>0.05),LR模型的效能可能稍高,在测试集中LR模型的灵敏度、特异度、精准度、召回率和F1值分别为0.86、0.86、0.80、0.86和0.83.结论:基于淋巴结T2WI-FS图像的影像组学特征可在术前预测乳腺癌ALN转移的基础上提供额外有价值的信息.  相似文献
10.
目的:探讨多参数磁共振成像(magnetic resonance imaging,MRI)影像组学模型对进展期鼻咽癌(nasopharyngeal carcinoma,NPC)局部复发的预测价值.方法:回顾并分析经病理学检查证实的86例进展期NPC的临床及影像学资料,将35例经病理学检查证实复发的患者列入复发组,51例随访无复发的患者列入无复发组.所有患者均行MRI扫描,采集初诊、放疗结束时及放疗后6个月共3个时间点的轴位T1加权成像(T1-weighted imaging,T1WI)增强扫描、T2加权成像(T2 weighted imaging,T2WI)-短时间反转恢复(short time inversion recovery,STIR),采用Spearman相关分析提取特征参数,回归特征消除(recursive feature elimination,RFE)算法对冗余特征进行降维,再通过Ridge Classifier分类器学习得到预测模型,5折交叉验证法训练并验证模型.结果:进展期NPC复发组的复发间隔时间为7~61个月,中位时间为24个月.基于3个时间点T2WI-STIR及T1WI增强图像最终提取了15个与进展期NPC局部复发相关的特征参数,其中包括灰度共生矩阵(gray level co-occurrence matrix,GLCM)参数8个,灰度游程矩阵(gray level run length matrix,GLRLM)参数3个,FirstOrder特征集参数2个,相邻灰度差分矩阵(neighboring gray tone difference matrix,NGTDM)参数1个,灰度级带矩阵(gray level size zone matrix,GLSZM)参数1个;初诊时图像特征参数2个,放疗结束时9个,放疗后4个.依据特征参数建立线性回归模型,其平均灵敏度为82.9%,平均特异度为98.0%,平均准确度为91.8%,平均曲线下面积(area under curve,AUC)值为0.953.结论:多参数MRI放射组学模型对预测进展期NPC患者局部复发的性能较好,能为评估进展期NPC复发风险提供参考.  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号