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
全视野数字化乳腺X线摄影影像组学及深度学习特征预测乳腺癌HER-2状态
1
作者
何飞
黄忠江
+2 位作者
武沛增
郭晓芬
王雷
《分子影像学杂志》
2024年第8期804-810,共7页
目的通过联合全视野数字化乳腺X线摄影(FFDM)影像组学特征及深度学习特征预测乳腺癌HER-2状态。方法回顾性分析山西中医药大学附属医院2018年3月~2023年12月经临床手术或穿刺活检的乳腺癌患者FFDM、临床及病理资料。FFDM图像手工勾画肿...
目的通过联合全视野数字化乳腺X线摄影(FFDM)影像组学特征及深度学习特征预测乳腺癌HER-2状态。方法回顾性分析山西中医药大学附属医院2018年3月~2023年12月经临床手术或穿刺活检的乳腺癌患者FFDM、临床及病理资料。FFDM图像手工勾画肿瘤感兴趣区并提取组学特征和深度学习特征,分别经过LASSO特征筛选后采用支持向量机算法建立影像组学模型和深度学习模型,通过多因素逻辑回归分析建立综合模型。计算各模型曲线下面积(AUC)评估其预测效能,并通过决策曲线分析评估各模型在实际临床决策中的有效性和实用价值。结果影像组学模型在训练集和测试集的AUC分别为0.835(95%CI:0.761~0.898)和0.781(95%CI:0.701~0.857),深度学习模型在训练集和测试集的AUC分别为0.904(95%CI:0.855~0.955)和0.883(95%CI:0.823~0.939),综合模型在在训练集和测试集的AUC分别为0.921(95%CI:0.872~0.967)和0.890(95%CI:0.828~0.942)。决策曲线分析显示3种模型相比于全部认为HRE-2阳性或阴性可获得更好的净收益,其中综合模型在风险阈值下可获得最大净收益。结论基于FFDM影像组学特征和深度学习特征的联合应用,可以更有效地预测乳腺癌HER-2状态,显著提高了预测的准确性和可靠性,为乳腺癌的诊断和治疗开辟了新的途径。
展开更多
关键词
乳腺癌
影像组学
深度学习
her-2状态
下载PDF
职称材料
基于DBT建立的早期预测乳腺癌HER-2状态的模型研究
被引量:
5
2
作者
梁敏茜
黄忠江
+6 位作者
张智星
何生
姜增誉
李健丁
李卓君
杨晓芳
陈文青
《临床放射学杂志》
北大核心
2022年第3期450-454,共5页
目的 使用基于数字乳腺断层摄影(DBT)图像的影像组学特征早期预测乳腺癌患者的HER-2状态。方法 搜集符合纳入标准的160例女性乳腺癌患者,其中HER-2阳性50例,HER-2阴性110例。手动在DBT图像上勾画感兴趣区,提取影像组学特征,经过数据归...
目的 使用基于数字乳腺断层摄影(DBT)图像的影像组学特征早期预测乳腺癌患者的HER-2状态。方法 搜集符合纳入标准的160例女性乳腺癌患者,其中HER-2阳性50例,HER-2阴性110例。手动在DBT图像上勾画感兴趣区,提取影像组学特征,经过数据归一化和降维,共选取1~10个特征建立逻辑回归模型,进行10折交叉验证,选取交叉验证集曲线下面积最高的模型为最佳组学模型。分析临床特征得到独立预测因子并建立临床预测模型,将最佳组学模型预测值与临床独立预测因子结合建立综合模型并绘制诺莫图,诺莫图的拟合度用Hosmer-Lemeshow拟合优度检验评价,绘制决策曲线评价诺莫图的净收益。结果 基于4个组学特征的LR模型为最佳组学模型,此模型在测试集中的曲线下面积为0.810(95%CI 0.729~0.891)。综合模型在测试集中的曲线下面积为0.829(95%CI 0.751~0.907),诺莫图的校正曲线有较好的一致性,综合模型的决策曲线也有良好的净收益。结论 结合影像组学特征和临床特征绘制的诺莫图具有早期预测乳腺癌患者HER-2状态的能力。
展开更多
关键词
乳腺癌
her-2状态
数字乳腺断层摄影
影像组学
诺莫图
原文传递
题名
全视野数字化乳腺X线摄影影像组学及深度学习特征预测乳腺癌HER-2状态
1
作者
何飞
黄忠江
武沛增
郭晓芬
王雷
机构
山西中医药大学附属医院放射科
山西省中医院放射科
厦门大学医学院
出处
《分子影像学杂志》
2024年第8期804-810,共7页
基金
山西省针灸学会科研课题(sxszjxh202010)。
文摘
目的通过联合全视野数字化乳腺X线摄影(FFDM)影像组学特征及深度学习特征预测乳腺癌HER-2状态。方法回顾性分析山西中医药大学附属医院2018年3月~2023年12月经临床手术或穿刺活检的乳腺癌患者FFDM、临床及病理资料。FFDM图像手工勾画肿瘤感兴趣区并提取组学特征和深度学习特征,分别经过LASSO特征筛选后采用支持向量机算法建立影像组学模型和深度学习模型,通过多因素逻辑回归分析建立综合模型。计算各模型曲线下面积(AUC)评估其预测效能,并通过决策曲线分析评估各模型在实际临床决策中的有效性和实用价值。结果影像组学模型在训练集和测试集的AUC分别为0.835(95%CI:0.761~0.898)和0.781(95%CI:0.701~0.857),深度学习模型在训练集和测试集的AUC分别为0.904(95%CI:0.855~0.955)和0.883(95%CI:0.823~0.939),综合模型在在训练集和测试集的AUC分别为0.921(95%CI:0.872~0.967)和0.890(95%CI:0.828~0.942)。决策曲线分析显示3种模型相比于全部认为HRE-2阳性或阴性可获得更好的净收益,其中综合模型在风险阈值下可获得最大净收益。结论基于FFDM影像组学特征和深度学习特征的联合应用,可以更有效地预测乳腺癌HER-2状态,显著提高了预测的准确性和可靠性,为乳腺癌的诊断和治疗开辟了新的途径。
关键词
乳腺癌
影像组学
深度学习
her-2状态
Keywords
breast cancer
radiomics
deep learning
her-
2
status
分类号
R730.44 [医药卫生—肿瘤]
R737.9 [医药卫生—肿瘤]
下载PDF
职称材料
题名
基于DBT建立的早期预测乳腺癌HER-2状态的模型研究
被引量:
5
2
作者
梁敏茜
黄忠江
张智星
何生
姜增誉
李健丁
李卓君
杨晓芳
陈文青
机构
山西医科大学医学影像学院
山西医科大学第一医院放射科
山西省中医院
山西现代影像诊断中心有限公司
出处
《临床放射学杂志》
北大核心
2022年第3期450-454,共5页
基金
山西省重点研发计划项目(编号:201803D31106、201803D31004)。
文摘
目的 使用基于数字乳腺断层摄影(DBT)图像的影像组学特征早期预测乳腺癌患者的HER-2状态。方法 搜集符合纳入标准的160例女性乳腺癌患者,其中HER-2阳性50例,HER-2阴性110例。手动在DBT图像上勾画感兴趣区,提取影像组学特征,经过数据归一化和降维,共选取1~10个特征建立逻辑回归模型,进行10折交叉验证,选取交叉验证集曲线下面积最高的模型为最佳组学模型。分析临床特征得到独立预测因子并建立临床预测模型,将最佳组学模型预测值与临床独立预测因子结合建立综合模型并绘制诺莫图,诺莫图的拟合度用Hosmer-Lemeshow拟合优度检验评价,绘制决策曲线评价诺莫图的净收益。结果 基于4个组学特征的LR模型为最佳组学模型,此模型在测试集中的曲线下面积为0.810(95%CI 0.729~0.891)。综合模型在测试集中的曲线下面积为0.829(95%CI 0.751~0.907),诺莫图的校正曲线有较好的一致性,综合模型的决策曲线也有良好的净收益。结论 结合影像组学特征和临床特征绘制的诺莫图具有早期预测乳腺癌患者HER-2状态的能力。
关键词
乳腺癌
her-2状态
数字乳腺断层摄影
影像组学
诺莫图
Keywords
Breast Cancer
her-
2
Status
Digital breast tomosynthesis
Radiomics
Nomogram
分类号
R737.9 [医药卫生—肿瘤]
R730.44 [医药卫生—肿瘤]
原文传递
题名
作者
出处
发文年
被引量
操作
1
全视野数字化乳腺X线摄影影像组学及深度学习特征预测乳腺癌HER-2状态
何飞
黄忠江
武沛增
郭晓芬
王雷
《分子影像学杂志》
2024
0
下载PDF
职称材料
2
基于DBT建立的早期预测乳腺癌HER-2状态的模型研究
梁敏茜
黄忠江
张智星
何生
姜增誉
李健丁
李卓君
杨晓芳
陈文青
《临床放射学杂志》
北大核心
2022
5
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