期刊文献+

影像组学方法在软组织肿瘤中的应用研究进展 被引量:10

下载PDF
导出
摘要 影像组学方法是医学影像学、计算机视觉和机器学习等多学科交叉的产物,能在宏观影像水平间接反映肿瘤微观水平基因或蛋白质的变化,并且不完全依赖于影像医师的专业技能、临床经验及主观因素,所提供的是医学影像相对客观的定量信息,具有传统影像方法难以做到的独特优势。对于软组织肿瘤而言,肉眼从影像上获取的信息十分有限,明确诊断非常困难,而影像组学方法可以辅助影像医生对其进行诊断,进而帮助影像医生和临床医生更全面、更深入、更透彻地认识和理解软组织肿瘤。本文介绍了影像组学方法在软组织肿瘤中应用研究的流程,并对目前影像组学方法在软组织肿瘤良恶性鉴别、术前预测软组织肉瘤分级、评价软组织肉瘤治疗及预后方面应用研究的进展进行综述。
出处 《放射学实践》 北大核心 2020年第11期1479-1484,共6页 Radiologic Practice
基金 国家自然科学基金(8177071050)。
  • 相关文献

参考文献9

二级参考文献95

  • 1龙卫江,张文修.基于相近原则的半指导直推学习机及其增量算法[J].应用数学学报,2006,29(4):619-632. 被引量:2
  • 2Nigam K,McCallum A K,Thrun S,Mitchell T.Text classification from labeled and unlabeled documents using EM[J].Machine Learning,2000,39(2-3):103-134.
  • 3Joachims T.Transductive inference for text classification using support vector machines[G].In:Proc 16th Int'l Conf Machine Learning,Bled,Slovenia,1999,200-209.
  • 4Blum A,Mitchell T.Combining labeled and unlabeled data with co-training[G].In:Proc 16th Annual Conf Computational Learning Theory,Madison,WI,1998,92-100.
  • 5Breiman L.,Friedman,J.,Olshen,R.,and Stone,C.Classification and Regression Trees[M].Wadsworth,1984.
  • 6Breiman L.Random forests[J].Machine Learning,2001,45(1):5-32.
  • 7Cortes,C.,Vapnik,V.M.,.Support Vector Networks[J].Machine Learning,1995,20:273-297.
  • 8Dietterich,T.G.An Experimental Comparison of Three Methods for Constructing Ensembles of Decision Trees:Bagging,Boosting,and Randomization[J].Machine Learning,2000,40:139-157.
  • 9Breiman,L.,Bagging Predictors[J].Machine Learning,1996,24(2):123-140.
  • 10Agrawal R,Imielinski T,Swami A.Mining association rules between sets of items in large databases[K].Proc of ACM SIGMOD Conf on Management of Data[C].Washington,1993.207-216.

共引文献338

同被引文献69

引证文献10

二级引证文献24

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部