期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
增强CT影像组学联合临床指标预测结直肠癌壁外血管侵犯
1
作者 马玉萍 朱建国 +2 位作者 雍千叶 毛应凡 李海歌 《中国医学影像技术》 CSCD 北大核心 2024年第7期1041-1046,共6页
目的观察增强CT影像组学联合临床指标预测结直肠癌壁外血管侵犯(EMVI+)的价值。方法回顾性分析经术后病理确诊的131例结直肠癌患者资料,按7∶3比例将其分为训练集(n=92,含44例EMVI+、48例EMVI-)与测试集(n=39,含23例EMVI+、16例EMVI-)... 目的观察增强CT影像组学联合临床指标预测结直肠癌壁外血管侵犯(EMVI+)的价值。方法回顾性分析经术后病理确诊的131例结直肠癌患者资料,按7∶3比例将其分为训练集(n=92,含44例EMVI+、48例EMVI-)与测试集(n=39,含23例EMVI+、16例EMVI-)。基于术前门静脉期CT提取及筛选肿瘤最佳影像组学特征并据以构建影像组学模型;以单因素及多因素logistic回归分析训练集临床、CT及病理学资料,筛选结直肠癌EMVI+的独立预测因素并建立临床模型,基于影像组学模型及临床模型建立联合模型。绘制受试者工作特征曲线,计算曲线下面积(AUC),评估各模型预测结直肠癌EMVI+的效能。以校准曲线及决策曲线分析评估模型校准度及临床实用性。结果共筛选出4个最佳影像组学特征,以之构建影像组学模型。糖类抗原(CA)19-9及CA72-4均为结直肠癌EMVI+的独立预测因素(OR=1.033、1.285,P均<0.05)。联合模型预测训练集结直肠癌EMVI+的AUC高于影像组学模型和临床模型(AUC=0.908、0.825、0.770,P=0.017、0.003);影像组学、临床及联合模型在测试集的AUC分别为0.751、0.632、0.799,两两之间AUC差异均无统计学意义(P均>0.05)。影像组学模型及联合模型的校准度均较好。训练集以>0.1、测试集以>0.12为阈值时,联合模型的临床净获益较高。结论增强CT影像组学联合临床能有效预测结直肠癌EMVI。 展开更多
关键词 结直肠肿瘤 体层摄影术 X线计算机 壁外血管侵犯 影像组学
下载PDF
肿块型肝内胆管癌Gd-EOB-DTPA增强MRI影像表现的研究 被引量:3
2
作者 唐敏 朱勇 +4 位作者 毛应凡 张冰 魏晓磊 陈骏 何健 《东南大学学报(医学版)》 CAS 2020年第3期335-341,共7页
目的:总结肿块型肝内胆管癌(IMCC)钆塞酸二钠(Gd-EOB-DTPA)增强MRI的影像特征,探索动态强化模式与病灶最大径的相关性。方法:回顾性分析经病理证实的73例IMCC基本MRI征象、增强多期强化特点以及动态强化模式。将IMCC依据肿瘤最大径分组... 目的:总结肿块型肝内胆管癌(IMCC)钆塞酸二钠(Gd-EOB-DTPA)增强MRI的影像特征,探索动态强化模式与病灶最大径的相关性。方法:回顾性分析经病理证实的73例IMCC基本MRI征象、增强多期强化特点以及动态强化模式。将IMCC依据肿瘤最大径分组,并比较病灶最大径≤5 cm与>5 cm的IMCC的影像表现差异。结果:IMCC主要表现为T1WI低信号和T2WI高信号,47例表现DWI靶征,38例可见肝胆期靶征。IMCC的Gd-EOB-DTPA增强MRI强化模式以渐进强化型为主(61.6%),其次是持续强化型(20.6%),增强减退型(9.6%)、向心强化型(5.5%)及无强化型(2.7%)比例较低。最大径≤5 cm与>5 cm的IMCC在强化模式上差异无统计学意义(P=0.588)。结论:DWI靶征及肝胆期靶征有助于IMCC诊断。IMCC的Gd-EOB-DTPA增强MRI动态强化模式以渐进强化型为主,强化模式与病灶最大径无显著相关性。 展开更多
关键词 肿块型 肝内胆管癌 磁共振成像 动态增强模式
下载PDF
CT影像组学预测胰腺神经内分泌肿瘤的病理分级 被引量:5
3
作者 徐珊珊 毛应凡 +4 位作者 董国强 祝琼洁 汤盛楠 张怡帆 何健 《东南国防医药》 2021年第5期460-465,共6页
目的探讨基于术前X线计算机体层摄影术(CT)检查影像组学对预测胰腺神经内分泌肿瘤的病理分级的价值。方法回顾性分析2017年1月至2020年5月南京大学医学院附属鼓楼医院48例经手术病理证实的胰腺神经内分泌瘤(PanNETs)患者临床资料,收集术... 目的探讨基于术前X线计算机体层摄影术(CT)检查影像组学对预测胰腺神经内分泌肿瘤的病理分级的价值。方法回顾性分析2017年1月至2020年5月南京大学医学院附属鼓楼医院48例经手术病理证实的胰腺神经内分泌瘤(PanNETs)患者临床资料,收集术前1个月内CT增强图像。分析所有纳入患者的手术前CT增强图像,采用影像组学技术自动分割动脉期和静脉期CT图像上的肿瘤边界并提取肿瘤全容积中的组学特征,使用LASSO回归分析方法进行特征选择以及Logistic回归筛选独立预测因子并建立预测病理分级的影像组学模型。使用受试者工作特征曲线(ROC)及曲线下面积(AUC)评价模型的预测效能。结果分别从患者的动脉期和静脉期提取200个组学特征,筛选出3个最具区分性的特征用于建立影像组学模型。对CT影像学表现进行单因素和多因素分析,筛选出肿瘤边界(OR=79.927,95%CI:3.037~2103.461;P=0.009)和周围器官侵犯(OR=19.001;95%CI:1.964~183.866;P=0.011)为预测因素并建立影像表现模型。综合模型结合了影像组学特征、肿瘤边界和周围器官侵犯,具有更好的预测效能(AUC=0.938),高于影像表现模型(AUC=0.892)和影像组学模型(AUC=0.901)。结论由术前的CT影像表现和影像组学特征建立的综合模型对PanNETs的病理分级具有最佳的预测效能,优于影像组学模型,更好地为临床医师对胰腺神经内分泌肿瘤患者的个体化治疗提供参考意义。 展开更多
关键词 胰腺肿瘤 病理分级 影像组学 X线计算机体层摄影术
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部