排序方式: 共有21条查询结果,搜索用时 15 毫秒
1.
【摘要】目的:探讨基于DWI图像利用深度学习方法建立的分割模型对盆腔骨结构的自动分割价值,以及基于自动分割图像建立的影像组学模型对前列腺癌骨转移的诊断效能。方法:回顾性搜集2017年1月-2020年1月因临床怀疑前列腺癌而行盆腔多参数MRI扫描的614例患者的DWI数据,训练3D U-Net模型对盆腔骨质结构进行自动分割。以两位影像科医师手工勾画和标注的8个盆腔骨质结构(下腰椎、骶骨、髂骨、髋臼、耻骨、坐骨、股骨头、股骨颈)为金标准,在不同数据集(训练集、调优集、测试集)中,采用Dice相似系数(DSC)、Jaccard相似系数(JSC)和Hausdorff表面距离(HSD)评估3D U-Net模型自动分割盆腔各骨质结构的效能。另搜集2020年2月-2020年12月在本院经病理证实为前列腺癌的275例患者的影像资料,用于盆腔骨质结构分割模型的外部验证集及建立预测骨转移灶的影像组学模型,采用受试者工作特征曲线(ROC)评估影像组学模型的分类效能。结果:U-Net分割模型在测试集中的DSC、JSC和HSD值分别为0.87±0.03、0.77±0.04和21.75±12.08;在外部验证集中相应参数值分别为0.82±0.06、0.71±0.08和16.27±4.35。基于275例前列腺癌患者的盆腔骨质结构自动分割图像,共提取和筛选出20个影像组学特征参数,所建立的影像组学模型在测试集中的ROC曲线下面积(AUC)为0.965(95%CI:0.899~0.993),敏感度为97.14%(95%CI:85.1%~99.9%),特异度为89.36%(95%CI:76.9%~96.5%)。结论:基于DWI图像利用深度学习方法建立的自动分割模型能准确分割盆腔骨质结构,随后建立的影像组学模型可以有效检出盆腔范围内的骨转移灶,为自动评估前列腺癌患者盆腔骨转移提供了新方法。 相似文献
2.
3.
摘 要 目的:研究丹红注射液(DH)对抗肿瘤药物多柔吡星(DOX)所致小鼠心肌损伤的保护作用及其机制。方法: 通过腋下注射Lewis肺癌细胞建立小鼠实体瘤模型,随机分为4组:模型对照组、DOX组、DH组、DH+DOX组。实验结束,颈臼处死小鼠,无菌分离心肌和肿瘤组织,肿瘤称质量,比色法检测心肌组织中乳酸脱氢酶(LDH)、肌酸激酶(CK)、超氧化物歧化酶(SOD)、过氧化物酶(CAT)和谷胱甘肽过氧化物酶(GPx)的活性及丙二醛(MDA)的含量;流式细胞仪检测心肌细胞内的细胞凋亡、活性氧(ROS)和线粒体膜电位(△Ψm)。结果: 与模型对照组相比,DOX和DH+DOX组中肿瘤质量显著下降(P<0.01),且DH对DOX的抗肿瘤作用无显著影响;小鼠心肌组织中LDH和CK活性、细胞凋亡显著增加(P<0.01)。与DOX组相比,DH+DOX组心肌组织中LDH和CK活性、细胞凋亡显著降低(P<0.01),且△Ψm、SOD、CAT与GPx的活性显著增加(P<0.05或P<0.01),MDA含量和ROS生成减少(P<0.01)。结论:腹腔注射DH不影响DOX的抗肺癌作用,但对于DOX介导的心肌损伤具有保护作用,其机制与DH抑制心肌组织氧化应激和稳定△Ψm有关。 相似文献
4.
5.
6.
目的 探索基于3D U-Net深度学习网络对眼眶CT图像中主要结构进行自动分割的可行性。方法 回顾性搜集34例患者的58个正常的眼眶CT检查图像,由两位影像科医师标注双侧眼眶、眼球、上直肌、下直肌、内直肌、外直肌、视神经结构,按照8∶1∶1的比例随机分为训练集、调优集及测试集,训练3D U-Net分割模型,输出径线、体积及CT值,并返回到结构化报告。用测试集的Dice值进行客观评价,并用非参数检验和Bland-Altman散点图比较手工标注和模型预测的结果。医师对预测结果进行满分为10分的主观评价。用另外10个眼肌增粗图像进行外部验证。结果 测试集各结构的平均Dice值为0.82±0.12,眼肌平均体积为552.83~859.04 mm3。模型预测与手工标注所得到的体积、径线及CT值的测量结果之间的差异大多无统计学意义(P>0.05)。该模型的主观评价总分为7.00±2.00。外部验证敏感性为95.12%,特异性为53.85%。结论 基于3D U-Net的眼眶CT图像的分割以及体积、径线和CT值的自动测量是可行的,其测量结果可自动导入结构化报告,准确性符合临... 相似文献
7.
8.
目的:评估基于U形全卷积神经网络(U-Net)对CT图像上Couinaud法肝段的自动分割及体积测量的准确性,探讨其用于半肝切除术剩余肝脏体积百分比(FLR%)评估的可行性。方法:回顾性收集医学中心A的腹部CT增强扫描数据(共170例)用于肝段分割模型的建立,先分割肝脏轮廓,再训练自动分割肝段的模型,最终获得各肝段体积。将放射科医生标注的肝段数据作为金标准。采用医学中心B的CT数据(50例)作为外部验证集,以平均Dice相似性系数(DSC)评价模型效能,分析比较模型与医师在肝段分割、体积测量、FLR%评估上的差异。结果:医学中心A所有数据随机分为训练集(132例)、调优集(19例)、测试集(19例)。外部验证集平均DSC值为(0.92±0.00),肝段平均体积最小为Ⅰ段[(37.59±1.26) mL],最大为Ⅷ段[(241.76±6.07) mL]。模型与手工标注FLR%评估结果一致性高(95%一致范围为0.9768~0.9906),在手术可行性预测上差异无统计学意义(P=0.25)。结论:基于U-Net的Couinaud’s肝段自动分割、体积测量并评估半肝切除术FLR%具有可行性。 相似文献
9.
目的 探讨应用深度学习进行基于前列腺癌转移报告和数据系统指南的晚期前列腺癌患者盆腔外脏器及转移灶分割的可行性。资料与方法 回顾性收集北京大学第一医院2017年1月—2022年1月不同扫描部位(头部、颈部、胸部、腹部)的经临床综合诊断存在转移灶的数据集(头部、颈部、胸部及腹部转移患者分别为68、91、57、263例),用于进行扫描范围的分类模型及不同区域脏器和转移灶的分割模型训练。另收集90例经病理证实为前列腺癌且行全身MRI患者用于模型的外部验证。以手工标注的区域(脑实质、颈椎、肺实质、纵隔、胸椎、肝、腰椎)及转移灶标签为“金标准”,评估模型的分割性能。评价指标包括Dice相似系数(DSC)、体积相似度(VS)。结果 在外部验证数据集中,分类模型在头部、颈部、胸部和腹部的符合率分别为100%(90/90)、98.89%(89/90)、96.67%(87/90)和94.44%(85/90);分割模型对不同区域脏器分割的DSC、VS范围分别为(0.86±0.10)~(0.99±0.01)、(0.89±0.10)~(0.99±0.01);分割模型对不同转移灶分割的DSC、VS范围分别为(0.... 相似文献