排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
5.
6.
目的 探讨多参数3D MRI影像组学模型对于结直肠癌肝转移(CCLM)的预测价值及相关临床危险因素的分析。方法 收集2019-2022年在本院术前行MRI检查且术后病理证实的198例结直肠癌患者的临床及影像资料。按照8:2的比例随机分为训练集及验证集(n=159及39)。对T2WI、DWI、e-THRIVE+序列分别逐层勾画,得到3D VOI,提取组学特征并降维处理、构建影像组学模型。采用逻辑回归分析,筛选出CCLM的独立危险因素并构建临床模型。结果 三序列联合的影像组学模型预测CCLM的效能高于单一序列模型,其训练集与验证集AUC值分别为0.919及0.896。逻辑回归分析得到CCLM的独立危险因素分别为CEA、CA199及NLR(P<0.05)。三者联合的临床模型效能亦高于单一临床模型,训练集与验证集的AUC值分别为0.800及0.791。结论多参数3D MRI影像组学模型对于CCLM具有较高预测效能。基于CEA、CA199、NLR的临床模型对于CCLM具有一定预测效能。 相似文献
7.
目的 基于动态增强磁共振(DCE-MRI)序列及扩散加权成像(DWI)序列构建影像组学模型,探讨其对直径≤2 cm的乳腺肿块良恶性的鉴别价值。方法 选取2019年1月至2022年8月就诊于本院122例患者,均接受MRI检查,且经测量肿块直径≤2 cm。将所有患者图像以DICOM格式上传至慧影大数据平台,使用双盲法在DWI及DCE第三期图像上逐层勾画感兴趣区(ROI),后将该病灶勾画的所有ROI融合成三维容积感兴趣区(3D-VOI)进行组学分析。按照4∶1将数据集随机分为训练集与测试集,采用逻辑回归(LR)分类器,构建DCE、DWI及DCE与DWI联合鉴别模型,以病理检查为金标准,评价三种影像组学模型的鉴别效能,并比较三种模型的曲线下面积(AUC)、准确率、特异度及敏感度。结果 根据病理结果将122例患者分为良性42例,恶性80例,以DCE构建组学模型鉴别乳腺小肿块的AUC值为0.83(0.65~1.00)、准确率67%、特异度81%、敏感度67%;以DWI构建组学模型鉴别乳腺小肿块的AUC值0.81(0.67~0.98)、准确率64%,特异度78%、敏感度75%;以DCE与DWI联合模... 相似文献
8.
目的 探讨基于CTA影像组学在预测动脉瘤破裂风险中的价值。方法 回顾性分析144例颅内动脉瘤患者的影像资料,其中未破裂动脉瘤71例,破裂动脉瘤73例。使用达尔文科研平台在经全脑血管多层螺旋CT血管造影(Computer tomography angiography,CTA)图像上手动勾画感兴趣区,进行影像组学特征提取分析。将患者以7:3的比例分为训练集(n=100)和测试集(n=44),从每个动脉瘤中自动计算出1316个影像组学特征,进而筛选出最重要的分类特征去构建影像组学模型,并对训练集及测试集进行评估,从而比较未破裂动脉瘤及破裂动脉瘤之间的差异。结果 通过最大绝对值归一化、最优特征筛选百分比及SVM筛选出14个影像组学特征用于建立模型。CTA影像组学模型在训练集及测试集中表现良好(AUC分别为0.87(95%置信区间CI:0.78和0.83(95%置信区间CI:0.63,1),P<0.05)。结论 基于CTA影像组学构建模在预测动脉瘤破裂风险中具有较好的应用价值。 相似文献
9.
目的:探讨CT影像组学在非小细胞肺癌(NSCLC)病理分级中的应用价值。方法:回顾性分析67例经病理证实为NSCLC病人资料,其中Ⅰ级7例,Ⅱ级39例,Ⅲ级21例,依据非小细胞肺癌的分化程度、异型性、核分裂象的多少,将Ⅰ、Ⅱ级归为低级别组(46例),Ⅲ级归为高级别组(21例)。将病人按照5∶1的比例随机分为训练组56例,验证组11例,选取病灶最大径层面进行感兴趣区(ROI)的勾画,建立预测模型,通过绘制受试者操作特征曲线(ROC),计算ROC曲线下面积(AUC),评价影像组学特征在NSCLC病理分级中的应用价值。结果:CT影像组学模型共提取了1 878个影像组学特征,采用SVM对特征的重要性进行评估,最终降维得到20个特征维度;训练组中AUC值为0.851,准确率为80.35%;测试组中AUC为0.833,准确率为90.90%。结论:CT影像组学可通过分析各种影像特征对术前NSCLC病理分级进行预判。 相似文献
10.
目的 基于动态对比增强磁共振成像(DCE-MRI)序列探讨3D影像组学特征与肿块型乳腺癌分子分型相关性分析。方法 回顾性分析经病理证实为乳腺癌的120例患者,且治疗前均经DCE-MRI检查。将所有患者图像从图像存储与传输系统以DICOM形式上传至慧影大数据科研平台,使用双盲法在动态增强第三期沿病灶周围逐层勾画感兴趣区,后将该病灶勾画的所有感兴趣区融合成三维容积感兴趣区(3D-VOI),进行组学分析,提取纹理特征,共1409个纹理特征,采用方差选择法、单变量特征选择法及最小绝对收缩和选择算子(LASSO)对病灶进行特征筛选及降维处理,最终得到最有价值的影像组学特征,构建有效预测模型,绘制受试者操作特征(ROC)曲线,得出ROC曲线下面积(AUC)、特异度、敏感度及准确性评估模型效能。利用秩和检验、卡方检验对不同分子分型患者的病灶大小、年龄、月经情况及淋巴结转移情况进行统计学分析。结果 根据病理结果将患者分为4型,管腔A型、管腔B型、Her-2过表达型及三阴型。4种分型的预测模型AUC值分别为0.80、0.77、0.79、0.79。不同分子分型的乳腺癌患者的年龄、月经情况及病灶大小之间差异... 相似文献