目的比较基于双参数MRI的深度学习模型和临床模型对临床显著性前列腺癌(clinical significant prostate cancer,csPCa)的诊断价值,并联合深度学习模型和临床指标建立混合模型,探讨混合模型对csPCa诊断效能的提升价值。材料与方法回顾性...目的比较基于双参数MRI的深度学习模型和临床模型对临床显著性前列腺癌(clinical significant prostate cancer,csPCa)的诊断价值,并联合深度学习模型和临床指标建立混合模型,探讨混合模型对csPCa诊断效能的提升价值。材料与方法回顾性分析本院2017年2月至2022年5月共531例因临床怀疑前列腺癌而行术前MRI并行后续穿刺和/或手术病理检查患者的临床及影像资料,其中csPCa 319例,非csPCa 212例。按照8∶2比例随机划分为训练集(425例)和测试集(106例)。手动勾画T2加权成像(T2-weighted imaging,T2WI)、扩散加权成像(diffusion-weighted imaging,DWI)及表观扩散系数(apparentdiffusion coefficient,ADC)图像的感兴趣区后采用DenseNet网络建立深度学习模型,采用单因素和多因素逻辑回归筛选出临床特征后建立临床模型,并使用逻辑回归联合深度学习模型和临床特征建立深度学习-临床混合模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型性能,使用DeLong检验比较曲线下面积(area under the curve,AUC)。结果逻辑回归分析显示年龄、前列腺特异性抗原(prostate specific antigen,PSA)及前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)评分为csPCa的独立危险因素。在测试集中,深度学习模型的AUC值为0.90[95%置信区间(confidence interval,CI):0.85~0.96],临床模型的AUC值为0.85(95%CI:0.78~0.92),两者间差异无统计学意义(P=0.245)。深度学习-临床混合模型的AUC值为0.93(95%CI:0.88~0.98),优于临床模型(P=0.034)和深度学习模型(P=0.048)。结论深度学习模型对csPCa的诊断效能与临床模型相当;深度学习-临床混合模型对csPCa的诊断效能最高,具有良好的应用价值,可作为临床诊断csPCa的辅助工具。展开更多
文摘目的比较基于双参数MRI的深度学习模型和临床模型对临床显著性前列腺癌(clinical significant prostate cancer,csPCa)的诊断价值,并联合深度学习模型和临床指标建立混合模型,探讨混合模型对csPCa诊断效能的提升价值。材料与方法回顾性分析本院2017年2月至2022年5月共531例因临床怀疑前列腺癌而行术前MRI并行后续穿刺和/或手术病理检查患者的临床及影像资料,其中csPCa 319例,非csPCa 212例。按照8∶2比例随机划分为训练集(425例)和测试集(106例)。手动勾画T2加权成像(T2-weighted imaging,T2WI)、扩散加权成像(diffusion-weighted imaging,DWI)及表观扩散系数(apparentdiffusion coefficient,ADC)图像的感兴趣区后采用DenseNet网络建立深度学习模型,采用单因素和多因素逻辑回归筛选出临床特征后建立临床模型,并使用逻辑回归联合深度学习模型和临床特征建立深度学习-临床混合模型。使用受试者工作特征(receiver operating characteristic,ROC)曲线评估模型性能,使用DeLong检验比较曲线下面积(area under the curve,AUC)。结果逻辑回归分析显示年龄、前列腺特异性抗原(prostate specific antigen,PSA)及前列腺影像报告和数据系统(prostate imaging reporting and data system,PI-RADS)评分为csPCa的独立危险因素。在测试集中,深度学习模型的AUC值为0.90[95%置信区间(confidence interval,CI):0.85~0.96],临床模型的AUC值为0.85(95%CI:0.78~0.92),两者间差异无统计学意义(P=0.245)。深度学习-临床混合模型的AUC值为0.93(95%CI:0.88~0.98),优于临床模型(P=0.034)和深度学习模型(P=0.048)。结论深度学习模型对csPCa的诊断效能与临床模型相当;深度学习-临床混合模型对csPCa的诊断效能最高,具有良好的应用价值,可作为临床诊断csPCa的辅助工具。
文摘【目的】城市绿地土壤的质量直接关系到城市生态效益及各项功能的发挥。分析中外城市绿地土壤研究文献,梳理与总结中国城市绿地土壤研究重点及未来发展方向。【方法】检索中国知网(ChinaNationalKnowledge Infrastructure)和科学网(Web of Science)核心数据库中2012—2021年关于城市绿地土壤的研究文献,利用CiteSpace从发文量、国家及机构分布、代表人物及热点内容、研究重点内容、研究发展趋势及前沿等方面,阐明该研究领域的重点内容及动态发展。【结果】近10年城市绿地土壤研究领域共发表中英文文献1 107篇,其中中国发文总量最多,且主要集中在中国科学院。国内研究内容主要为土壤质量,研究热点从土壤肥力质量到土壤污染,再到土壤改良修复。国外研究内容主要是城市绿地土壤的生态系统服务功能,研究热点从解决城市生态环境问题到提出绿地维护管理策略,再到提升城市生态环境效益。研究前沿集中在重金属污染和城市绿地生态系统。【结论】城市绿地土壤中英文文献的研究重点不同,中文文献更关注城市绿地土壤质量,这与国家政策、城市发展、生态环境保护等有关。而英文更关注城市绿地生态系统,这可能与气候变化、绿色基础设施建设、生态环境效益等有关。图3表5参58。
