目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值。材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资...目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值。材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资料66例。所有患者均行盆腔3.0 T MRI检查,包括轴位T2WI、矢状位T2WI、动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和3D-APTw序列扫描。在APTw-T2WI融合图像上对肿瘤实质区域进行感兴趣区(region of interest,ROI)勾画并记录APT值。在APT重建图像上进行肿瘤病灶分割并提取影像组学特征。采用组内相关系数(intra-class correlation coefficient,ICC)选取观察者内和观察者间复测信度好的影像组学特征(ICC>0.900)。采用递归特征消除法(recursive feature elimination,RFE)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维和筛选。基于logistic回归分类器构建临床模型、APTw影像组学模型和联合组学模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评估模型的诊断效能和临床价值,采用DeLong检验比较不同模型的预测效能。结果在训练集中,APTw影像组学模型预测宫颈癌LVSI的效能高于临床模型(AUC=0.826 vs.0.675),差异有统计学意义(DeLong检验P<0.05)。联合组学模型在训练集和测试集中的AUC值分别为0.838和0.825。DeLong检验结果显示,联合组学模型在训练集中术前评估LVSI的效能显著高于临床模型和APTw影像组学模型(P均<0.05)。决策曲线显示APTw影像组学模型和联合组学模型在训练集和测试集中均具有较高的临床价值。结论基于APTw的影像组学模型在术前预测宫颈癌LVSI方面具有较高的潜力,联合临床因素能进一步提高预测效能,有望为宫颈癌患者的个体化治疗和预后评估提供重要的支持。展开更多
综合能源系统(integrated energy system, IES)的关键环节识别对于系统的脆弱性研究和改善有重要意义。针对传统还原论方法无法解释系统层面且复杂网络分析中未考虑能流带来影响的问题,提出一种基于潮流和复杂网络结构的IES关键环节识...综合能源系统(integrated energy system, IES)的关键环节识别对于系统的脆弱性研究和改善有重要意义。针对传统还原论方法无法解释系统层面且复杂网络分析中未考虑能流带来影响的问题,提出一种基于潮流和复杂网络结构的IES关键环节识别方法。首先,建立基于潮流的综合能源复杂网络模型,将IES的数学模型参数和潮流结果引入复杂网络的建模以使模型更加贴合现实的运行工况;其次,基于潮流计算结果和复杂网络参数,提出节点能量度和能量边介数2个评价指标,提高了关键环节识别精度;最后,根据所建立的模型对关键环节进行破坏并观察网络效率的变化,与其他攻击模式进行对比分析,验证了所提方法的可行性。展开更多
文摘目的探讨酰胺质子转移加权成像(amide proton transfer weighted imaging,APTw)的影像组学术前预测宫颈癌淋巴血管间隙侵犯(lymphovascular space invasion,LVSI)的价值。材料与方法回顾性分析经手术病理证实的宫颈癌患者病例及影像资料66例。所有患者均行盆腔3.0 T MRI检查,包括轴位T2WI、矢状位T2WI、动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging,DCE-MRI)和3D-APTw序列扫描。在APTw-T2WI融合图像上对肿瘤实质区域进行感兴趣区(region of interest,ROI)勾画并记录APT值。在APT重建图像上进行肿瘤病灶分割并提取影像组学特征。采用组内相关系数(intra-class correlation coefficient,ICC)选取观察者内和观察者间复测信度好的影像组学特征(ICC>0.900)。采用递归特征消除法(recursive feature elimination,RFE)及最小绝对收缩和选择算子(least absolute shrinkage and selection operator,LASSO)算法进行特征降维和筛选。基于logistic回归分类器构建临床模型、APTw影像组学模型和联合组学模型。采用受试者工作特征(receiver operating characteristic,ROC)曲线和决策曲线分析(decision curve analysis,DCA)评估模型的诊断效能和临床价值,采用DeLong检验比较不同模型的预测效能。结果在训练集中,APTw影像组学模型预测宫颈癌LVSI的效能高于临床模型(AUC=0.826 vs.0.675),差异有统计学意义(DeLong检验P<0.05)。联合组学模型在训练集和测试集中的AUC值分别为0.838和0.825。DeLong检验结果显示,联合组学模型在训练集中术前评估LVSI的效能显著高于临床模型和APTw影像组学模型(P均<0.05)。决策曲线显示APTw影像组学模型和联合组学模型在训练集和测试集中均具有较高的临床价值。结论基于APTw的影像组学模型在术前预测宫颈癌LVSI方面具有较高的潜力,联合临床因素能进一步提高预测效能,有望为宫颈癌患者的个体化治疗和预后评估提供重要的支持。
文摘综合能源系统(integrated energy system, IES)的关键环节识别对于系统的脆弱性研究和改善有重要意义。针对传统还原论方法无法解释系统层面且复杂网络分析中未考虑能流带来影响的问题,提出一种基于潮流和复杂网络结构的IES关键环节识别方法。首先,建立基于潮流的综合能源复杂网络模型,将IES的数学模型参数和潮流结果引入复杂网络的建模以使模型更加贴合现实的运行工况;其次,基于潮流计算结果和复杂网络参数,提出节点能量度和能量边介数2个评价指标,提高了关键环节识别精度;最后,根据所建立的模型对关键环节进行破坏并观察网络效率的变化,与其他攻击模式进行对比分析,验证了所提方法的可行性。
