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   17篇
  完全免费   68篇
  临床医学   85篇
  2022年   26篇
  2021年   24篇
  2020年   13篇
  2019年   18篇
  2017年   4篇
排序方式: 共有85条查询结果,搜索用时 46 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.
基于全肿瘤ADC图纹理特征诊断脑胶质瘤分级   总被引:1,自引:1,他引:0       下载免费PDF全文
目的 探讨基于全肿瘤ADC图的纹理特征鉴别高级别胶质瘤(HGG)与低级别胶质瘤(LGG)的价值。方法 收集66例经病理证实的脑胶质瘤患者,HGG 41例和LGG 25例。基于术前ADC图,提取107个全肿瘤纹理特征,比较HGG与LGG患者107个纹理特征和临床特征的差异;将差异有统计学意义的变量纳入Logistic回归分析模型,筛选出HGG的独立危险因素,并绘制ROC曲线,评价其诊断HGG的效能。结果 单因素分析显示LGG与HGG患者性别、年龄和3个纹理特征(表面体积比、总能量和区域熵)差异有统计学意义。Logistic回归分析显示年龄(P=0.002,优势比=1.090)和区域熵(P=0.003,优势比=2.984)为HGG的独立危险因素。联合年龄和区域熵诊断HGG的ROC曲线下面积为0.844,敏感度为75.6%,特异度为88.0%。结论 基于全肿瘤ADC图纹理特征有助于判断脑胶质瘤级别,联合临床特征诊断效能较高。  相似文献
5.
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
6.
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
7.
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
8.
目的系统评价影像组学方法对胶质母细胞瘤的诊断价值。方法计算机检索PubMed、EMbase、Web of Science和The Cochrane Library数据库,查找利用影像组学方法对脑胶质瘤进行分级或对脑胶质母细胞瘤和其他肿瘤进行鉴别诊断的相关研究,检索时限均为建库至2021年5月30日。由2名研究者独立筛选文献、提取资料并评价纳入研究的偏倚风险和研究质量后,使用Meta-Disc 1.4软件和RevMan 5.3软件进行Meta分析。结果共纳入37个研究,包括4748例患者。Meta分析结果显示:影像组学诊断胶质母细胞瘤的合并敏感度、特异度、诊断比值比和SROC曲线下面积分别为0.91[95%CI(0.89,0.92)]、0.88[95%CI(0.87,0.90)]、78.00[95%CI(50.81,119.72)]和0.95,正确诊断胶质母细胞瘤的关键影像组学特征是病灶区域的强度特征和纹理特征。结论当前证据显示,影像组学对胶质母细胞瘤的诊断具有较高准确性。受纳入研究数量和质量的限制,上述结论尚待更多高质量研究予以验证。  相似文献
9.
A radiomics approach to sonoelastography, called “sonoelastomics,” is proposed for classification of benign and malignant breast tumors. From sonoelastograms of breast tumors, a high-throughput 364-dimensional feature set was calculated consisting of shape features, intensity statistics, gray-level co-occurrence matrix texture features and contourlet texture features, which quantified the shape, hardness and hardness heterogeneity of a tumor. The high-throughput features were then selected for feature reduction using hierarchical clustering and three-feature selection metrics. For a data set containing 42 malignant and 75 benign tumors from 117 patients, seven selected sonoelastomic features achieved an area under the receiver operating characteristic curve of 0.917, an accuracy of 88.0%, a sensitivity of 85.7% and a specificity of 89.3% in a validation set via the leave-one-out cross-validation, revealing superiority over the principal component analysis, deep polynomial networks and manually selected features. The sonoelastomic features are valuable in breast tumor differentiation.  相似文献
10.
目的建立基于轴位及矢状位T1WI增强图像的影像组学模型术前预测脑膜瘤病理分级,并测试其表现。材料与方法回顾性收集2017年1月至2020年12月病理诊断为脑膜瘤且符合纳入标准患者(132例)的MRI图像。使用图像分割软件ITK-SNAP勾画感兴趣区,再采用pyradiomics从中提取影像组学特征,将数据以8∶2的比例分成训练集(105例)和测试集(27例)。通过组内相关系数评估特征的可重复性,之后筛选特征,采用RBF核支持向量机算法构建模型。最后,使用测试集数据评估模型表现,并绘制受试者工作特征(receiver operating characteristic,ROC)曲线。结果基于轴位和矢状位图像的综合模型表现优于其他单序列模型,各模型表现在应用少数类过采样技术(synthetic minority over-sampling technique,SMOTE)后均有不同程度的提升。应用SMOTE的综合模型测试表现最优,其ROC曲线下面积、敏感度、特异度、准确度分别为0.982、0.900、1.000和0.963。结论基于轴位和矢状位T1WI增强图像的影像组学模型有助于术前预测脑膜瘤病理分级。  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