期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于X线图像的膝关节周围原发性骨肿瘤辅助诊断的机器学习模型研究
被引量:
3
1
作者
何方舟
牛凯
+7 位作者
唐顺
张熠丹
谢璐
王冀川
夏楚藜
赵志庆
贺志强
郭卫
《现代生物医学进展》
CAS
2021年第15期2842-2847,共6页
目的:开发机器学习模型,并评估其在膝关节周围原发性骨肿瘤诊断方面的准确性。方法:本文将深度卷积神经网络(DC-NN)这一深度学习方法应用于膝关节X线图像的影像组学分析,探讨其辅助诊断膝关节周围原发性骨肿瘤的临床价值。结果:该深度...
目的:开发机器学习模型,并评估其在膝关节周围原发性骨肿瘤诊断方面的准确性。方法:本文将深度卷积神经网络(DC-NN)这一深度学习方法应用于膝关节X线图像的影像组学分析,探讨其辅助诊断膝关节周围原发性骨肿瘤的临床价值。结果:该深度学习模型在区分正常与肿瘤影像方面展现出优异的诊断准确性,使用DCNN模型进行5轮测试的总体准确性为(99.8±0.4)%,而阳性预测值和阴性预测值分别为(100.0±0.0)%和(99.6±0.8)%,各个数据集的曲线下面积(AUC)分别为0.99、1.00、1.00、1.0和1.0,平均AUC为(0.998±0.004);进一步使用DCNN模型进行了10轮测试显示其在区分良性与恶性骨肿瘤方面的总体准确性为(71.2±1.6)%,且达到了强阳性预测值(91.9±8.5)%,各个数据集的AUC分别为0.63、0.63、0.58、0.69、0.55、0.63、0.54、0.57、0.73、0.63,平均AUC为(0.62±0.06)。结论:本文是首个将人工智能技术应用于骨肿瘤诊断的X线图像影像组学分析方面的研究,人工智能影像组学模型能够帮助医生自动地快速筛查骨肿瘤,确定良性或恶性肿瘤时,阳性预测值较高。
展开更多
关键词
骨肿瘤
机器学习
诊断
原文传递
题名
基于X线图像的膝关节周围原发性骨肿瘤辅助诊断的机器学习模型研究
被引量:
3
1
作者
何方舟
牛凯
唐顺
张熠丹
谢璐
王冀川
夏楚藜
赵志庆
贺志强
郭卫
机构
北京大学人民医院骨肿瘤科
北京邮电大学信息与通信工程学院
出处
《现代生物医学进展》
CAS
2021年第15期2842-2847,共6页
基金
北京市自然科学基金项目(7182172)。
文摘
目的:开发机器学习模型,并评估其在膝关节周围原发性骨肿瘤诊断方面的准确性。方法:本文将深度卷积神经网络(DC-NN)这一深度学习方法应用于膝关节X线图像的影像组学分析,探讨其辅助诊断膝关节周围原发性骨肿瘤的临床价值。结果:该深度学习模型在区分正常与肿瘤影像方面展现出优异的诊断准确性,使用DCNN模型进行5轮测试的总体准确性为(99.8±0.4)%,而阳性预测值和阴性预测值分别为(100.0±0.0)%和(99.6±0.8)%,各个数据集的曲线下面积(AUC)分别为0.99、1.00、1.00、1.0和1.0,平均AUC为(0.998±0.004);进一步使用DCNN模型进行了10轮测试显示其在区分良性与恶性骨肿瘤方面的总体准确性为(71.2±1.6)%,且达到了强阳性预测值(91.9±8.5)%,各个数据集的AUC分别为0.63、0.63、0.58、0.69、0.55、0.63、0.54、0.57、0.73、0.63,平均AUC为(0.62±0.06)。结论:本文是首个将人工智能技术应用于骨肿瘤诊断的X线图像影像组学分析方面的研究,人工智能影像组学模型能够帮助医生自动地快速筛查骨肿瘤,确定良性或恶性肿瘤时,阳性预测值较高。
关键词
骨肿瘤
机器学习
诊断
Keywords
Bone tumor
Machine learning
Diagnosis
分类号
R738.1 [医药卫生—肿瘤]
R445 [医药卫生—影像医学与核医学]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于X线图像的膝关节周围原发性骨肿瘤辅助诊断的机器学习模型研究
何方舟
牛凯
唐顺
张熠丹
谢璐
王冀川
夏楚藜
赵志庆
贺志强
郭卫
《现代生物医学进展》
CAS
2021
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部