基于CT影像组学模型预测骨巨细胞瘤术后复发

目的 探讨基于术前CT平扫影像组学特征模型预测骨巨细胞瘤3年内复发的价值。资料与方法 回顾性分析2007年2月—2018年5月北京大学人民医院经组织学证实的95例骨巨细胞瘤的临床及影像学资料,以3∶1随机分为训练组71例和测试组24例。基于术前CT平扫提取的影像组学特征,于训练组中使用最小绝对收缩与选择算子算法进行降维后建立预测骨巨细胞瘤手术后3年内复发的影像组学标签。使用Spearman相关分析算法、最小绝对收缩与选择算子回归及梯度提升迭代决策树进行特征降维。使用多变量Logistic回归及随机森林纳入影像组学标签构建影像组学模型预测骨巨细胞瘤复发;使用受试者工作特征曲线评估影像组学标签在训练组中的准确性,并通过验证组进行验证。结果 提取术前CT平扫图像,共提取12个与骨巨细胞瘤术后3年内复发相关的影像组学特征构成影像组学标签,使用Logistic回归显示在训练组和测试组中预测骨巨细胞瘤术后3年内复发的曲线下面积分别为0.962和0.924,使用随机森林训练组及测试组的曲线下面积分别为0.991和0.917。结论基于术前CT影像组学模型作为非侵入性量化工具,预测骨巨细胞瘤复发具有良好...     

机器学习在心脏超声领域中的应用研究

机器学习是一种可以帮助医生程序化处理问题的自动化便捷模式,近年来随着大数据时代的到来,这一技术在各个领域得到了飞速的进展,尤其是在心血管领域有很大的潜在价值。目前已成功将机器学习应用于心血管疾病的各个领域中,为临床及影像科医生提供了便捷,实现了疾病诊疗的准确性及可重复性,本文就详细阐述了机器学习在心脏超声领域的应用及发展,同时讨论了发展方向。     

冠状动脉不同阻塞程度冠心病患者的中医脉图特征参数分析

目的 基于脉图特征等信息建立冠心病患者冠状动脉不同阻塞程度评估模型,探讨中医脉图特征的临床诊断价值。方法 采用Smart TCM-I型脉象仪采集脉象信息。根据冠状动脉造影检查报告,将531例冠心病及疑似冠心病患者按照冠状动脉不同阻塞程度分为冠状动脉非阻塞组、冠状动脉轻度阻塞组、冠状动脉中/重度阻塞组3组。运用时域分析法和多尺度熵(MSE)分析法提取不同组别脉图的时域特征和多尺度熵特征,并运用非参数检验的方法比较冠状动脉不同阻塞程度患者脉图特征参数的组间差异;基于脉图特征参数,运用随机森林(RF)机器学习算法建立冠状动脉不同阻塞程度评估模型。结果 与冠状动脉非阻塞组相比,冠状动脉轻度阻塞组和冠状动脉中/重度阻塞组脉图时域特征主波峡/主波幅值比(h2/h1)、重博前波/主波幅值比(h3/h1)增大,差异具有统计学意义(P<0.05)。与冠状动脉非阻塞组及冠状动脉轻度阻塞组相比,冠状动脉中/重度阻塞组多尺度熵特征MSE1、MSE2、MSE3、MSE4、MSE5均减小,差异具有统计学意义(P<0.01)。本研究基于531例样本的脉图特征等信息建立了冠状动脉不同阻塞程度评估识别模型,...     

机器学习在放射治疗中的临床应用

放射治疗是癌症的主要治疗手段之一,以机器学习为代表的人工智能飞速发展,可应用于放射治疗临床实践的各个环节,包括临床决策支持、自动勾画靶区、预测疗效和副反应等,提高准确性与效率.尽管面临着结构化数据缺乏、模型可解释性差等挑战,机器学习在放射治疗中的应用将日趋深刻而广泛.本文从机器学习简介、在放射治疗中的临床应用研究进展和...     

RSNA2018腹部影像学

摘要】2018年RSNA年会上腹部影像学方面的研究热点主要包括人工智能、影像组学/纹理分析和能谱CT的基础研究和临床应用，为今后的临床和科研工作开拓了新的思路。     

人工智能与心律失常研究进展

近年来,人工智能在心律失常领域展现出巨大的潜力。智能研究和心律失常的结合给疾病的预防、诊断和治疗带来巨大变革。本文将就人工智能分别在心律失常诊断、挖掘疾病新特征、建立疾病预测模型、局限性及展望四个方面作一阐述。     

影像与基因特征分析方法在阿尔茨海默病中的研究进展

阿尔茨海默病(AD)是一种最常见的神经退行性疾病,且已有研究证实其表型易受遗传因素的影响。近年来,随着多模态脑成像和高通量基因组学在医学影像中广泛应用,通过数据挖掘、数学建模等方法,探索影像与基因的关联分析已成为新的热点。目前,用影像与基因特征联合分析来研究AD,并在AD的早期诊断、分类和预后分析等方面该技术的应用已经取得了重大的进展。首先对影像与基因特征分析技术进行概述,然后阐述了统计学及机器学习方法在影像与基因特征联合分析中的应用,最后对该技术的发展前景进行了展望。     

基于机器学习巨大儿预测模型的研究进展

随着医学技术和信息系统的完善,医学领域积累了大量的数据,机器学习是通过应用先进的算法找出数据中隐藏的信息,有助于深入了解人类健康和疾病。巨大儿（出生体质量≥4000 g）增加母婴不良预后,产前准确评估并及时干预意义重大。目前医生腹部的主观估计和超声公式的客观数据对巨大儿的估计均不准确,而基于大数据的机器学习对巨大儿的预测提供了新的方向。本文通过分析机器学习预测巨大儿的各类算法模型、特点和效能,认为机器学习提高了巨大儿的准确性,在精准医疗的背景下有望成为更好地预测巨大儿的方法。     

机器学习在心血管疾病影像学诊断中的应用

影像学资料是心血管疾病的临床诊疗的重要参考数据,临床检验师可根据患者的影像学资料对患者的临床信息进行判定,为进一步的临床干预提供指导。但在实际使用的过程中,限于人员临床经验及获得影像学资料的主观性,其临床利用率较低。如何提升影像学资料的价值,以机器学习为代表的人工智能手段提出了新的解决思路。文章总结了机器学习在心血管疾病影像学诊断方法中的应用,对已经获得的方法进行了对比,为后续机器学习在临床诊断、小样本的深度分析及临床应用提供了参考。     

复合系统智能诊断方法研究

随着电子设备系统的日益复杂化,依靠单一的推理技术的故障系统已难以满足复杂系统的诊断要求.将多种不同的推理技术结合起来的集成诊断系统,能够充分利用各自的优点,从而提高系统诊断的正确性和效率,是目前智能诊断研究的一个发展趋势.本文将研究复合系统的智能诊断问题,提出在一个复合系统的诊断过程中,运用基于规则的诊断和基于模型的诊断,两种诊断技术相结合将在诊断的不同阶段发挥出各自的作用,从而建立一个融合了RBD和MBD技术优点的、具有一定学习能力的智能诊断系统.