排序方式: 共有23条查询结果,搜索用时 19 毫秒
1.
肝癌(hepatocellular carcinoma,HCC)是全球癌症相关死亡的第二大原因,因此早期发现和治疗反应的预测对HCC患者有很大益处。 目前,穿刺活检和常规医学成像在HCC患者的管理中发挥重要且基础的作用,而这两种方法分别存在样本误差和操作者依赖性的不足。 影像组学是一种新兴的非侵入性技术,可以突破时空限制来获取肿瘤的综合信息,用以反映肿瘤的情况,从而弥补上述方法的不足。影像组学的基本步骤包括图像的获取,感兴趣区的划分与重建,特征的提取、划分与分类,模型的建立与效能评价。影像组学在HCC的诊断、治疗和评价方面取得了一定的进展,具有应用前景。 相似文献
2.
目的:构建颈部三维有限元模型(finite element model,FEM),初步分析脊髓型颈椎病(cervical spondylotic myelopathy,CSM)患者与对照者颈部生物力学的差异,为CSM发病机制的研究提供生物力学依据。方法:以1名CSM患者作为力学模拟实验对象进行三维CT扫描,并构建颈部三维FEM依照患者的年龄、性别、身高、体重等参数选取本团队已有的健康颈部三维FEM作为对照,比较患者和对照者在颈椎正常受力情况下椎体、椎间盘、韧带及脊髓的应力差异,以及后仰伸运动后最大应力的差异。结果:成功构建CSM患者及对照者FEM模型,并进行力学分析,CSM患者颈椎椎体受力差异C5~C6节段最明显,对照者和患者的最大应力部位均在椎体前缘,CSM患者椎体前缘的最大应力小于对照者;CSM患者椎间盘应力分布不均匀,最大应力部位集中在椎间盘底部后缘的两侧;CSM患者各韧带的应力分布不均匀,其中后纵韧带应力最大。CSM患者颈椎在后仰伸运动时范围受限。结论:CSM患者相对于对照者可能存在颈部椎体、椎间盘及韧带受力平衡的改变和颈椎运动范围的受限,这可能与CSM力学发病机制相关。 相似文献
3.
4.
目的探讨乙肝后肝硬化患者局灶性脑白质高信号(white matter hyperintensity,WMH)与轻微型肝性脑病(minimal hepatic encephalopathy,MHE)的关系。材料与方法前瞻性收集在我院就诊的乙肝后肝硬化患者38例,其中包括无肝性脑病(non hepatic encephalopathy,n HE)20例,MHE 18例。所有受试者接受神经心理学测验、血液生化检查以及头部磁共振扫描。由2名神经影像医师根据液体衰减反转恢复序列图像评估受试者局灶性WMH的有无及严重程度:Fazekas量表评分0~1分为无或轻度局灶性WMH,Fazekas量表评分≥2分为中重度局灶性WMH。比较n HE与MHE两组间年龄、性别、肝硬化病程、肝功能Child-Pugh分级、静脉血氨浓度、局灶性WMH有无及严重程度的差异;采用多因素logistic回归分析肝硬化患者伴发MHE的独立预测因素;采用Spearman等级相关分析肝硬化患者局灶性WMH与认知功能的相关性。结果在年龄、性别匹配的前提下,MHE组与n HE组相比,中重度局灶性WMH的患者更多,差异有统计学意义(P0.01);肝硬化病程、肝功能Child-Pugh分级、静脉血氨浓度在两组间差异无统计学意义(P值均0.05)。多因素logistic回归分析表明中重度局灶性WMH是肝硬化患者伴发MHE的独立预测因素(OR=18.62,95%CI:2.43~142.86;P0.05)。Spearman等级相关显示:肝硬化患者局灶性WMH的严重程度与数字连接测验-A的完成时间呈显著正相关(r=0.617,P0.01),与数字符号测验及数字广度测验评分呈显著负相关(r=-0.695,P0.01;r=-0.558,P0.01)。结论肝硬化患者的中重度局灶性WMH是MHE的独立预测因素,提示患者可能伴发MHE。 相似文献
5.
6.
7.
目的:建立基于CT图像特征的影像组学标签,预测非小细胞肺癌(non-small cell lung cancer,NSCLC)的
Ki-67表达水平。方法:回顾性收集2014年1月至2017年11月行肺部CT平扫及增强扫描并在检查后2周内经病理证
实、行Ki-67表达水平检测的108例NSCLC患者。在MaZda软件中分别手动勾画出病灶CT平扫及增强的三维立体结
构影像,提取感兴趣区的纹理特征参数。经过多种特征选择方法[交互信息(mutual information,MI)、Fisher系数
(fi sher coeffi cient,Fisher)、分类错误概率联合平均相关系数(classifi cation error probability combined with average correlation
coefficients,POE+ACC)以及联合方法(Fisher+POE+ACC+MI,FPM)]和分析方法[原始数据分析(raw data analysis,
RDA)、主成分分析(principal component analysis,PCA)、线性分类分析(linear discriminant analysis,LDA)和非线性分类
分析(nonlinear discriminant analysis,NDA)]组合建立影像组学标签,以误判率评价其诊断效果。结果:108例患者中
Ki-67高表达组50例,Ki-67低表达组58例。Ki-67高表达与低表达两组间性别、年龄和病理类型差异均有统计学意义
(P<0.05)。基于CT平扫图像纹理特征的FPM特征选择和NDA特征分析方法建立的影像组学标签预测Ki-67表达水平效
果最佳,错判率为14.81%。基于CT增强图像纹理特征建立的影像组学标签错判率并未低于基于CT平扫图像纹理特征
建立的影像组学标签错判率。结论:基于常规CT图像纹理特征建立的影像组学标签有助于预测NSCLC病灶Ki-67的表
达水平,可为评估肿瘤侵袭性和预后情况提供一种无创性技术手段。 相似文献
8.
目的:使用知识图谱的方法分析医学影像领域肝脏分割研究的知识基础、研究热点。方法:以 Web of Science 核心数据集为来源,将“肝脏”“医学影像”“CT”“MRI”“PET”“超声”等作为主题词,“分割”作为题目关键词进行检索,使用Bicomb 2.0对引文、关键词等数据进行清洗和频次统计,使用gCLUTO 1.0构建高频引文、高频关键词双聚类图,使用Excel构建高频引文、高频关键词战略坐标图,使用Ucinet 6构建高频引文、高频关键词共现网络图。结果:共检索到825篇文献,自2007年开始载文量逐年快速增长。高频引文双聚类分析发现5类基础知识,高频关键词双聚类分析发现6个研究热点。结论:肝脏自动分割仍处于初始阶段,虽然形成了一些主题和分割方法,并不断引入新的分割方法,但这些算法各有优势及局限,需要根据具体情况选择、设计和组合形成合适的分割算法。 相似文献
9.
目的:探讨第2版前列腺影像报告和数据系统(prostate imaging reporting and data system version 2,PI-RADS V2)评分联合表观扩散系数(apparent diffusion coefficient,ADC)图像定量参数对外周带前列腺癌的诊断价值。方法:回顾性搜集50例前列腺多参数磁共振成像(multiparametric MRI,mpMRI)检查提示存在外周带结节的患者,且均经穿刺活检获得病理诊断。由两名高年资影像科医师根据PI-RADS V2标准对病灶进行定位及评分,分别利用后处理软件在ADC图像上分析、计算对应病灶区的12种ADC图像定量参数。根据病理结果将病灶分为癌灶组和良性病灶组。比较两组病灶各ADC定量参数的差异,对组间差异有统计学意义的参数采用逻辑回归逐步法拟合建模,通过受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评价不同方法的诊断效能和临床受益。结果:最终共获得外周带癌灶28个、良性病灶25个。PI-RADS V2评分、ADC模型及联合模型(PI-RADS V2评分+
ADC模型)区分外周带癌灶和良性病灶的ROC曲线下面积、敏感度、特异度分别为0.803,60.71%,92.00%;0.857,89.29%,76.00%;0.891,71.43%,92.00%,联合模型较PI-RADS V2评分的诊断效能有明显提升(P=0.012),且在阈概率0.05~0.27和0.46~0.81范围内该联合模型具有相对最佳的总体净受益率,优于PI-RADS V2评分。结论:PI-RADS V2联合ADC图像定量分析能显著提高其区分外周带前列腺癌和良性病变的诊断效能,并改善临床受益。 相似文献
10.
目的:建立基于非小细胞肺癌(non-small cell lung cancer,NSCLC)肿瘤CT图像的影像组学模型,预测NSCLC
分子标志物P63的表达状态。方法:回顾性分析2014年1月至2018年3月接受CT扫描的245例NSCLC患者。患者均经组
织病理学检查确诊,并在CT检查后2周内进行P63表达状态检测。通过MaZda软件提取CT平扫图像的影像组学特征,
并且定义肿瘤CT图像的主观影像征象。使用Lasso-logistic回归模型进行特征筛选并分别建立影像组学模型、主观影像
征象模型及融合诊断模型。通过受试者操作特征(receiver operator characteristic,ROC)曲线评估每个模型的预测性能,
并采用Delong检验进行比较。结果:在245例患者中,P63阳性96例,P63阴性149例。主观影像征象模型由6个影像征
象组成。通过特征选择,影像组学模型包括8个影像组学特征。主观影像征象模型和影像组学模型预测P63表达状态
的ROC曲线下面积分别为0.700和0.755,二者差异无统计学意义(P>0.05)。融合诊断模型较另2种模型具有最佳预测能
力,ROC曲线下面积为 0.817(P<0.01)。结论:基于CT图像的影像组学模型可以预测NSCLC分子标志物P63的表达状
态;融合影像组学特征和主观影像征象的诊断模型可以显著提高模型的预测性能,有助于无创性了解肺癌细胞分子
水平信息。 相似文献