排序方式: 共有451条查询结果,搜索用时 15 毫秒
81.
目的:使用放射组学与剂量学特征参数,建立机器学习预测模型,预测食管癌患者放射治疗后两年的生存情况。方法:回顾性分析2013年1月至2017年12月在天津医科大学肿瘤医院接受放射治疗的食管癌患者共579例。从食管癌患者的放射治疗计划中提取GTV的放射组学和剂量学的特征,使用最大相关最小冗余与人工方法对特征参数进行筛选,分别选取14项放射组学和14项剂量学特征,并将特征变量进行标准化归一至[0,1]范围。建立支持向量机、逻辑回归和随机森林等机器学习模型,先使用14项放射组学特征,再使用28项放射组学和剂量学混合特征参数进行训练和测试,来预测食管癌放射治疗患者的两年生存情况。结果:仅使用放射组学特征预测放射治疗后两年生存情况时,支持向量机、逻辑回归和随机森林模型的准确率分别为84.98%、85.92%和84.51%。使用放射组学和剂量学的混合特征参数进行预测时,支持向量机、逻辑回归和随机森林模型的准确率分别为86.32%、83.02%和90.01%。在放射组学特征参数基础上,增加剂量学特征,支持向量机和随机森林模型的预测准确性得到有效提高。结论:针对支持向量机和随机森林模型,使用放射组学和放... 相似文献
82.
近年来,针对非小细胞肺癌(NSCLC)的治疗方法进展迅速。影像组学从医学图像中挖掘和筛选有价值的特征,以解析临床、分子和遗传等表型特征,有望在肺癌精准治疗中发挥重要作用。本文对影像组学评价化学治疗、放射治疗、靶向治疗及免疫治疗NSCLC疗效的应用进展进行综述。 相似文献
83.
影像组学自兴起以来在肿瘤学诊断、鉴别及预后方面取得了不少研究成果。在肿瘤学方面不断发展的同时,在临床非肿瘤性病变诊断方面影像组学也发挥其高通量、大数据方面的优势,取得了可喜的进步。相关报道围绕脑体积精确测量,注意缺陷多动障碍、精神分裂症、肥厚性心肌病及高血压性心脏病鉴别、急性冠脉综合征和粥样斑块特点以及肝硬化等疾病的诊断。研究结果显示,相对以往常规的影像方法,影像组学显示出更加精准的诊断优势。尽管相关研究方式不尽相同,多项研究结果显示ICC及AUC值可达0.9左右甚至接近1。现将上述研究详细综述如下。 相似文献
84.
85.
目的 观察基于CT影像组学模型术前预测胰腺神经内分泌肿瘤(PNET)病理分级(G1和G2/3级)的价值.方法 回顾性分析145例经病理证实的PNET,分为训练组91例、验证组54例,2组各自来源于同一医疗机构.基于训练组动脉期和门脉期CT图像提取PNET影像组学特征,以Pearson相关分析及ReliefF算法进行筛选... 相似文献
86.
肝细胞癌是常见的恶性肿瘤之一,其恶性程度高,预后性差,具有高发病率和高死亡率的特点。影像组学提供了一种量化分析方法,可将医学影像中的组织病理学、肿瘤生物学等信息转化为高维量化特征信息,并结合人工智能算法进行数据挖掘与统计分析,协助临床进行肿瘤的早期诊疗。本文介绍了影像组学在肝细胞癌鉴别诊断、病理分级、微血管侵犯与免疫组化标志物预测中的研究进展,讨论了在数据量、模型可靠性等方面存在的不足,并指出未来可向多中心、多任务等方向发展,以期为肝细胞癌的辅助诊断提供参考。 相似文献
87.
88.
目的 观察基于CT平扫(NCCT)影像组学特征建立的机器学习(ML)模型预测急性期创伤性脑损伤(TBI)严重程度的价值。方法 回顾性收集600例TBI为观察组,以另外65例TBI为外部验证集;另前瞻性纳入50例TBI为前瞻性验证集。根据出院时格拉斯哥预后评分(GOS)将观察组患者分为高危亚组(n=240)与低危亚组(n=360)。由医师A、B以相同标准分别评估观察组患者,基于首诊临床及NCCT资料以逻辑回归(LR)法建立人工模型,预测急性期TBI严重程度。按7 ∶ 3比例将观察组分为训练集(n=420,含168例高危、252例低危)与测试集(n=180,含72例高危、108例低危),基于训练集NCCT提取及筛选影像组学特征,采用LR、支持向量机(SVM)、随机森林(RF)、K近邻(KNN)4种ML法构建预测模型,分别于测试集、外部验证集(含34例高危、31例低危TBI)及前瞻性验证集(含21例高危、29例低危TBI)进行验证。结果 医师A、B判断观察组急性期TBI严重程度的曲线下面积(AUC)分别为0.606及0.771,人工模型的AUC为0.824。基于训练集NCCT筛选出的6个最佳影像组学特征构建的LR、SVM、RF和KNN ML 模型及人工模型在测试集的AUC分别为0.983、0.971、0.970、0.984及0.708,在外部验证集分别为0.879、0.881、0.984、0.863及0.733,而在前瞻性验证集分别为0.984、0.873、0.982、0.897及0.704。结论 基于CT影像组学建立的ML模型能有效预测急性期TBI严重程度。 相似文献
89.
目的 观察基于多参数MRI构建的影像组学与深度学习(DL)模型鉴别良、恶性黏液样软组织肿瘤(MSTT)的价值。方法 回顾性纳入141例经病理证实的MSTT患者,以7 ∶ 3比例随机将其分为训练集(n=98,包括51例恶性及47例良性MSTT)及测试集(n=43,包括22例恶性及21例良性MSTT)。分别于训练集T1WI和脂肪抑制(FS)-T2WI中提取并遴选影像组学特征及DL特征,并以之构建鉴别良、恶性MSTT的影像组学模型及DL模型。绘制受试者工作特征(ROC)曲线、校准曲线及决策曲线,对比评估2个模型的区分度、校准度及净收益。结果 于训练集提取并筛选得到9个最佳影像组学特征用于构建鉴别良、恶性MSTT的影像组学模型,包括2个一阶特征、1个形态特征、3个灰度共生矩阵特征、1个灰度相关矩阵特征和2个灰度大小区域矩阵特征;以其中7个最佳DL特征构建DL模型。所获影像组学模型和DL模型鉴别测试集良、恶性MSTT的ROC曲线下面积分别为0.758及0.911,后者高于前者(P=0.017);2个模型均具有良好校准度;相比影像组学模型,DL模型在测试集的总体净收益更高。结论 基于MRI构建的DL模型鉴别良、恶性MSTT的效能较影像组学模型更好且净收益更高。 相似文献
90.
近年甲状腺癌发病率迅速升高,以甲状腺乳头状癌(PTC)最为常见。部分PTC具有高侵袭性,主要表现为早期颈部淋巴结转移(CLNM)、甲状腺外侵犯(ETE)及基因突变等。超声影像组学(USR)及其联合基因检测有助于诊断及评估PTC。本文就USR及其联合基因检测筛选高侵袭性PTC研究进展进行综述。 相似文献