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
2
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
基于胸部高分辨CT的深度学习影像组学对特发性肺纤维化GAP分期的预测价值
1
作者
甄涛
胡大成
+1 位作者
姚伟
沈起钧
《浙江医学》
CAS
2023年第18期1921-1926,1931,共7页
目的探讨基于胸部高分辨CT(HRCT)的深度学习影像组学模型对特发性肺纤维化(IPF)性别-年龄-肺生理变量(GAP)分期的预测价值。方法回顾2020年1月至2022年6月浙江大学医学院附属杭州市第一人民医院诊断为IPF的患者67例,根据GAP分期系统分...
目的探讨基于胸部高分辨CT(HRCT)的深度学习影像组学模型对特发性肺纤维化(IPF)性别-年龄-肺生理变量(GAP)分期的预测价值。方法回顾2020年1月至2022年6月浙江大学医学院附属杭州市第一人民医院诊断为IPF的患者67例,根据GAP分期系统分成早期IPF(GAPⅠ期)40例和中晚期IPF(GAPⅡ/Ⅲ期)27例,所有患者均行胸部HRCT检查,在联影智能科研平台上的深度学习模块,基于V-net网络进行图像自动分割,同时与人工分割比较,用Dice相似性系数(DSC)评估分割模型的效能。基于自动分割结果,在影像组学模块进行影像组学分析,得到影像组学特征值,通过最小绝对紧缩与选择算子(LASSO)回归筛选组学特征,并基于筛选出的特征系数计算每例患者的影像组学标签(Radscore),基于Radscore构建影像组学模型。采用ROC曲线评估影像组学模型对GAP分期的预测效能。结果基于V-net网络的肺间质性病变的自动分割模型显示了较好的分割效能,其DSC为0.55~0.93(0.83±0.10)。影像组学分析共得到2400个组学特征,通过LASSO回归筛选出了8个组学特征,同时计算得到Radscore值。基于Radscore构建的影像组学模型对IPF的GAP分期显示了较好的预测效能,训练组AUC为0.862(95%CI:0.740~0.941),灵敏度为0.783,特异度为0.833,准确度为0.811;验证组AUC为0.854(95%CI:0.568~0.981),灵敏度为0.833,特异度为0.875,准确度为0.857。结论深度学习V-net网络在肺间质性病变的自动分割方面有较高的分割效能,通过基于胸部HRCT的影像组学模型有望成为IPF临床分期的新定量指标,为临床医师提供合理的诊疗决策。
展开更多
关键词
特发性肺纤维化
深度学习
影像组学
计算机断层摄影
性别
-
年龄
-
肺
生理
变量
分
期
下载PDF
职称材料
基于HRCT构建影像组学模型评估IPF患者的GAP分期
2
作者
原利娟
刘粉玲
+1 位作者
宁妍妍
周庆伟
《临床放射学杂志》
北大核心
2023年第6期1031-1036,共6页
目的 探究基于高分辨率CT(HRCT)提取影像组学特征构建无侵袭性模型预测特发性肺纤维化(IPF)患者性别-年龄-生理学指标分期(GAP)高低分级。方法 回顾性纳入2016年6月至2021年12月于河南中医药大学第一附属医院就诊的174例IPF稳定期患者...
目的 探究基于高分辨率CT(HRCT)提取影像组学特征构建无侵袭性模型预测特发性肺纤维化(IPF)患者性别-年龄-生理学指标分期(GAP)高低分级。方法 回顾性纳入2016年6月至2021年12月于河南中医药大学第一附属医院就诊的174例IPF稳定期患者为研究对象。严格按照IPF诊断标准进行诊断。所有患者均接受吡非尼酮治疗,部分患者加用本院特色治疗方案隔药物饼灸。搜集所有入组患者治疗前的临床信息指标,肺功能指标,以及治疗前的GAP分级;所有患者均在治疗前行HRCT扫描。对所有患者HRCT影像的“蜂窝状”区域进行手动勾画,并提取影像组学特征,构建影像组学标签(Radscore),并联合临床指标以及肺功能指标构建联合模型。结果 共计入组174例,其中GAP低级别患者73例,GAP高级别患者101例,所有患者按照7∶3比例进行随机分层进入训练组和测试组,IPF患者在训练组和测试组中,GAP高级别患者的6分钟步行距离(6MWD)均高于GAP低级别患者的6MWD,且差异具有统计学意义。取惩罚系数Logλ=0.051构建影像组学标签Radscore时,共保留13个特征。继而纳入训练组不同GAP级别患者间具有差异的临床特征进行临床模型以及联合模型构建,训练组中,联合模型诊断效能[曲线下面积(AUC)=0.818]高于Radscore(AUC=0.801),高于临床模型(AUC=0.607);测试组中,联合模型诊断效能(AUC=0.7798)高于Radscore(AUC=0.717),高于临床模型(AUC=0.635),决第曲线分析法(DCA)分析显示联合模型的临床收益高于临床模型的收益。结论 基于HRCT提取纹理特征参数构建Radscore联合肺功能参数第1秒用力呼气量(FEV1)可协助临床预测患者的GAP分级。
展开更多
关键词
特发性肺纤维化
高
分
辨率CT
影像组学
性别-年龄-生理学指标分期
原文传递
题名
基于胸部高分辨CT的深度学习影像组学对特发性肺纤维化GAP分期的预测价值
1
作者
甄涛
胡大成
姚伟
沈起钧
机构
浙江大学医学院附属杭州市第一人民医院放射科
桐庐县中医院放射科
出处
《浙江医学》
CAS
2023年第18期1921-1926,1931,共7页
基金
浙江省医药卫生科技计划项目(2021PY066、2021KY240、2023KY162、2023KY953)
浙江省中医药科技计划项目(2023ZL571)
杭州市生物医药和健康产业发展扶持科技专项(2021WJCY028)。
文摘
目的探讨基于胸部高分辨CT(HRCT)的深度学习影像组学模型对特发性肺纤维化(IPF)性别-年龄-肺生理变量(GAP)分期的预测价值。方法回顾2020年1月至2022年6月浙江大学医学院附属杭州市第一人民医院诊断为IPF的患者67例,根据GAP分期系统分成早期IPF(GAPⅠ期)40例和中晚期IPF(GAPⅡ/Ⅲ期)27例,所有患者均行胸部HRCT检查,在联影智能科研平台上的深度学习模块,基于V-net网络进行图像自动分割,同时与人工分割比较,用Dice相似性系数(DSC)评估分割模型的效能。基于自动分割结果,在影像组学模块进行影像组学分析,得到影像组学特征值,通过最小绝对紧缩与选择算子(LASSO)回归筛选组学特征,并基于筛选出的特征系数计算每例患者的影像组学标签(Radscore),基于Radscore构建影像组学模型。采用ROC曲线评估影像组学模型对GAP分期的预测效能。结果基于V-net网络的肺间质性病变的自动分割模型显示了较好的分割效能,其DSC为0.55~0.93(0.83±0.10)。影像组学分析共得到2400个组学特征,通过LASSO回归筛选出了8个组学特征,同时计算得到Radscore值。基于Radscore构建的影像组学模型对IPF的GAP分期显示了较好的预测效能,训练组AUC为0.862(95%CI:0.740~0.941),灵敏度为0.783,特异度为0.833,准确度为0.811;验证组AUC为0.854(95%CI:0.568~0.981),灵敏度为0.833,特异度为0.875,准确度为0.857。结论深度学习V-net网络在肺间质性病变的自动分割方面有较高的分割效能,通过基于胸部HRCT的影像组学模型有望成为IPF临床分期的新定量指标,为临床医师提供合理的诊疗决策。
关键词
特发性肺纤维化
深度学习
影像组学
计算机断层摄影
性别
-
年龄
-
肺
生理
变量
分
期
Keywords
Idiopathic pulmonary fibrosis
Deep learning
Radiomics
CT
Gender
-
age
-
lung physiology variables stage
分类号
R563 [医药卫生—呼吸系统]
R816.4 [医药卫生—放射医学]
下载PDF
职称材料
题名
基于HRCT构建影像组学模型评估IPF患者的GAP分期
2
作者
原利娟
刘粉玲
宁妍妍
周庆伟
机构
河南中医药大学第一附属医院
出处
《临床放射学杂志》
北大核心
2023年第6期1031-1036,共6页
基金
河南省中医药科学研究专项课题资助项目(编号:2018JDZX034)。
文摘
目的 探究基于高分辨率CT(HRCT)提取影像组学特征构建无侵袭性模型预测特发性肺纤维化(IPF)患者性别-年龄-生理学指标分期(GAP)高低分级。方法 回顾性纳入2016年6月至2021年12月于河南中医药大学第一附属医院就诊的174例IPF稳定期患者为研究对象。严格按照IPF诊断标准进行诊断。所有患者均接受吡非尼酮治疗,部分患者加用本院特色治疗方案隔药物饼灸。搜集所有入组患者治疗前的临床信息指标,肺功能指标,以及治疗前的GAP分级;所有患者均在治疗前行HRCT扫描。对所有患者HRCT影像的“蜂窝状”区域进行手动勾画,并提取影像组学特征,构建影像组学标签(Radscore),并联合临床指标以及肺功能指标构建联合模型。结果 共计入组174例,其中GAP低级别患者73例,GAP高级别患者101例,所有患者按照7∶3比例进行随机分层进入训练组和测试组,IPF患者在训练组和测试组中,GAP高级别患者的6分钟步行距离(6MWD)均高于GAP低级别患者的6MWD,且差异具有统计学意义。取惩罚系数Logλ=0.051构建影像组学标签Radscore时,共保留13个特征。继而纳入训练组不同GAP级别患者间具有差异的临床特征进行临床模型以及联合模型构建,训练组中,联合模型诊断效能[曲线下面积(AUC)=0.818]高于Radscore(AUC=0.801),高于临床模型(AUC=0.607);测试组中,联合模型诊断效能(AUC=0.7798)高于Radscore(AUC=0.717),高于临床模型(AUC=0.635),决第曲线分析法(DCA)分析显示联合模型的临床收益高于临床模型的收益。结论 基于HRCT提取纹理特征参数构建Radscore联合肺功能参数第1秒用力呼气量(FEV1)可协助临床预测患者的GAP分级。
关键词
特发性肺纤维化
高
分
辨率CT
影像组学
性别-年龄-生理学指标分期
Keywords
IPF
HRCT
Radiomics
GAP
分类号
R563.9 [医药卫生—呼吸系统]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于胸部高分辨CT的深度学习影像组学对特发性肺纤维化GAP分期的预测价值
甄涛
胡大成
姚伟
沈起钧
《浙江医学》
CAS
2023
0
下载PDF
职称材料
2
基于HRCT构建影像组学模型评估IPF患者的GAP分期
原利娟
刘粉玲
宁妍妍
周庆伟
《临床放射学杂志》
北大核心
2023
0
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