期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
Lung-RADS与CT联合诊断恶性SPN的临床意义
1
作者 李琪 李丰章 刘天笑 《中国医学创新》 CAS 2024年第32期143-147,共5页
目的:探究肺结节肺部影像报告与数据系统(Lung-RADS)分类联合电子计算机断层扫描(CT)诊断恶性孤立性肺结节(SPN)的价值。方法:选择2020年6月—2022年6月萍乡市人民医院收治的120例SPN患者的临床资料,经病理或手术明确24例良性SPN、96例... 目的:探究肺结节肺部影像报告与数据系统(Lung-RADS)分类联合电子计算机断层扫描(CT)诊断恶性孤立性肺结节(SPN)的价值。方法:选择2020年6月—2022年6月萍乡市人民医院收治的120例SPN患者的临床资料,经病理或手术明确24例良性SPN、96例恶性SPN;回顾性分析其肺结节Lung-RADS分类及CT影像检查结果,采用受试者操作特征(ROC)曲线分析Lung-RADS分类、CT征象评分单独及联合诊断恶性SPN的效能。结果:120例患者Lung-RADS分类结果显示,2类16例,3类20例,4A类10例,4B类54例,4C类20例。良性SPN组病灶边界光整、钙化占比均高于恶性SPV组,支气管截断、胸膜牵拉、分叶、肿瘤血管征象占比均低于恶性SPN组,差异均有统计学意义(P<0.05)。良性SPN组CT征象评分2分患者占比高于恶性SPN组,恶性SPN组CT征象4、5、6分患者占比均高于良性SPN组,差异均有统计学意义(P<0.05)。ROC曲线分析显示,Lung-RADS分类、CT征象评分联合诊断恶性SPN的AUC值为0.948,高于二者单独诊断的0.881、0.931,联合诊断恶性SPN的敏感度为97.92%,高于lung-RADS分类、CT征象评分单独诊断的83.33%、89.58%。结论:Lung-RADS分类与CT征象联合诊断恶性SPN较二者单独诊断具备更高诊断效能,可提升恶性SPN诊断敏感度,具有良好的临床应用价值。 展开更多
关键词 孤立性结节 肺部影像报告与数据系统 ct征象
下载PDF
Lung-RADS分级系统联合CT征象在孤立性肺磨玻璃影结节诊断中的应用 被引量:1
2
作者 赵月 夏国林 《中国医学工程》 2022年第4期23-26,共4页
目的探讨肺部影像报告和数据系统(Lung-RADS)分级联合CT征象在孤立性肺磨玻璃影结节(GGN)诊断中的应用价值。方法收集2018年5月至2019年5月在郑州人民医院检查的孤立性肺GGN患者90例,按照GGN病理检查或两年随访结果分为良性组34例和恶性... 目的探讨肺部影像报告和数据系统(Lung-RADS)分级联合CT征象在孤立性肺磨玻璃影结节(GGN)诊断中的应用价值。方法收集2018年5月至2019年5月在郑州人民医院检查的孤立性肺GGN患者90例,按照GGN病理检查或两年随访结果分为良性组34例和恶性组56例。统计其Lung-RADS分级和CT影像学表现特征;Logistic回归分析GGN良恶性的相关因素;构建Lung-RADS和CT征象的联合变量;受试者工作特征(ROC)曲线分析其诊断性能。结果Lung-RADS分级诊断GGN性质的敏感度为89.29%,特异度为58.82%;恶性组不规则形态、毛刺征、分叶征、胸膜牵拉征、空泡征、空气支气管征的比例及Lung-RADS分级均显著高于良性组(P<0.05);多因素回归分析毛刺征、分叶征、Lung-RADS分级是恶性GGN的独立相关因素(P<0.05);Lung-RADS分级与CT征象的联合变量诊断GGN的曲线下面积(AUC)为0.887,灵敏度及特异度分别为94.12%和83.33%,高于Lung-RADS分级诊断性能。结论Lung-RADS分级联合CT征象在鉴别GGN性质具有一定的诊断价值。 展开更多
关键词 肺部影像报告和数据系统(lung-RADS) 肺磨玻璃影结节 诊断 ct
下载PDF
肺实性结节半自动体积测量提高观察者间Lung-RADS评分一致性
3
作者 刘会佳 张瑜 《重庆医科大学学报》 CAS CSCD 北大核心 2023年第5期544-547,共4页
目的:研究3D-Slicer软件实性肺结节体积测量对不同观察者在肺部影像报告数据系统(lung CT screening reporting and data system,Lung-RADS)分类一致性中的影响。方法:纳入76例患者中的76个实性结节。由3位放射科医师分别采用手动和3D-S... 目的:研究3D-Slicer软件实性肺结节体积测量对不同观察者在肺部影像报告数据系统(lung CT screening reporting and data system,Lung-RADS)分类一致性中的影响。方法:纳入76例患者中的76个实性结节。由3位放射科医师分别采用手动和3D-Slicer软件半自动体积测量方法获得结节的直径与体积,并转化为相应的Lung-RADS评分,其中2分为阴性,3分及以上为阳性。采用同类相关系数(intraclass correlation coefficient,ICC)及Bland-Altman指数来评价观察者间直径与体积测量的一致性,Kappa分析评价观察者间Lung-RADS评分及阳性/阴性组间的一致性。结果:ICC分析结果显示手动直径测量的一致性(0.994~0.996)明显低于半自动体积测量的一致性(0.997~0.998),同时Bland-Altman指数分析结果显示手动直径测量的偏倚高于半自动体积测量。采用半自动体积测量,能够比手动直径测量明显提高观察者间Lung-RADS评分及阳性/阴性之间的一致性(0.963~0.975及0.957~0.977 vs.0.833~0.866及0.863~0.892)。结论:3D-Slicer半自动体积测量能够提高实性肺结节观察者间大小测量的一致性,相应的Lung-RADS分类一致性也随之提高。 展开更多
关键词 肺部影像报告和数据系统 肺结节 癌症筛查 X线计算机体层显像
下载PDF
Early Hepatocellular Carcinoma: Diagnosing the Difficult Nodule
4
作者 Saleem Farooqui Natarajan Ravendhran Steven C. Cunningham 《Journal of Cancer Therapy》 2013年第2期651-661,共11页
The incidence of hepatocellular carcinoma (HCC) is rising worldwide. Although the best chance for long-term survival is early detection, screening high-risk populations to detect HCC when it is most treatable still ha... The incidence of hepatocellular carcinoma (HCC) is rising worldwide. Although the best chance for long-term survival is early detection, screening high-risk populations to detect HCC when it is most treatable still has only limited success. Once detected within the cirrhotic liver, many observations still defy correct characterization, due in part to a history of nonstandarized nomenclature and reporting patterns. Recently, however, an initiative by the American College of Radiology, Liver Imaging-Reporting and Data System (LI-RADS), has begun to remedy these inadequacies. Here, we review LI-RADS, and focus in particular on the difficult nodule, i.e., a radiological observation that challenges our current diagnostic ability, and review essential technical imaging features that aid in the diagnosis of early HCC. 展开更多
关键词 HCC Hepatocellar Carcinoma DYSPLASIA NODULE LI-RADS LIVER Imaging-reporting and data system MRI ct LIVER Imaging screening
下载PDF
基于机器学习的低剂量胸部CT肺结节分类和预后随访的研究 被引量:9
5
作者 张晓东 邢倩 +8 位作者 韩超 谢辉辉 刘义 王鹤 王慧慧 刘佳 毛丽 李秀丽 王霄英 《临床放射学杂志》 CSCD 北大核心 2020年第10期1962-1966,共5页
目的研究基于机器学习的影像组学方法对胸部低剂量CT(LDCT)图像中肺结节进行分类并预测随访过程中形态变化的可行性。方法建立两个回顾性队列,采集LDCT图像和肺CT筛查报告和数据系统(Lung-RADS)结构式报告中结节大小、位置、性质,随访... 目的研究基于机器学习的影像组学方法对胸部低剂量CT(LDCT)图像中肺结节进行分类并预测随访过程中形态变化的可行性。方法建立两个回顾性队列,采集LDCT图像和肺CT筛查报告和数据系统(Lung-RADS)结构式报告中结节大小、位置、性质,随访过程中形态变化等信息,用于建模。在队列1中,首先使用深度学习算法在718个连续病例中检出肺结节,经专家清洗后得到有效直径为4~20 mm的肺结节,分为实性结节(n=317)、纯磨玻璃结节(n=185)、混合型磨玻璃结节(n=57)和钙化结节(n=128)。利用梯度提升树(GBDT)算法进行肺结节分类建模,通过交叉验证算法选择最优的GBDT分类器建模参数,然后利用最优参数建立肺结节分类模型,并验证其效能。在队列2中,仅选择初诊患者LDCT中结节分类最高为Lung-RADS 3类的病例(n=116),在12个月内再次行LDCT检查,且部分进行了>12个月的随访。根据随访结果将Lung-RADS 3类结节分为:有风险的活动性结节(n=56)和无风险的非活动性结节(n=60)。利用多变量非平衡调整逻辑回归算法(IALR)进行肺结节生长预测建模,并验证其效能。结果基于影像组学特征根据GBDT算法建立肺结节分类模型,平均ROC曲线下面积(AUC)为0.80(纯磨玻璃结节AUC=0.91,钙化结节AUC=0.90,实性结节AUC=0.81,混合型磨玻璃结节AUC=0.57)。预测Lung-RADS 3类肺结节变化的模型,其ROC曲线AUC为0.69,敏感性、特异性及准确性分别为62.3%、64.1%和62.6%。结论基于机器学习的LDCT肺结节分类有较高的准确性,对Lung-RADS 3类结节预后随访的效能仍需进一步研究。 展开更多
关键词 ct筛查报告和数据系统 机器学习 影像组学 随访 结构式报告
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部