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
1
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CT图像结合放射组学和语义特征的机器学习模型诊断非结核分枝杆菌肺病和肺结核的研究
1
作者
仲玲珊
王莉
+6 位作者
张硕
李楠
杨晴媛
丁文龙
陈星枝
黄陈翠
邢志珩
《中国防痨杂志》
CAS
CSCD
北大核心
2024年第9期1042-1049,共8页
目的:探索基于胸部CT图像的结合放射组学特征和语义特征的机器学习模型,以准确诊断非结核分枝杆菌肺病和肺结核。方法:回顾性收集天津市海河医院2017年1月至2020年12月确诊的120例非结核分枝杆菌肺病和120例肺结核患者的胸部CT图像,分...
目的:探索基于胸部CT图像的结合放射组学特征和语义特征的机器学习模型,以准确诊断非结核分枝杆菌肺病和肺结核。方法:回顾性收集天津市海河医院2017年1月至2020年12月确诊的120例非结核分枝杆菌肺病和120例肺结核患者的胸部CT图像,分层随机抽取168例(70%)作为训练集,72例(30%)作为测试集。收集西安市胸科医院确诊的25例非结核分枝杆菌肺病和25例肺结核患者的胸部CT图像,作为外部验证集。从全部胸部CT图像中提取12种语义特征和2107个放射组学特征,其中放射组学特征通过特征降维保留40个。采用支持向量机(support vector machines,SVM)算法建立了三个机器学习分类模型,分别是语义模型、放射组学模型、结合放射组学和语义特征的放射组学-语义模型。通过受试者工作特征曲线及曲线下面积对机器学习模型的诊断性能进行评估,用DeLong检验比较三种模型之间差异的统计学意义。结果:在测试集上,放射组学-语义模型、放射组学模型和语义模型的曲线下面积分别为0.9853、0.9282、0.7901。语义模型和放射组学-语义模型,语义模型和放射组学模型之间差异均有统计学意义(Z=2.759,P=0.006;Z=2.230,P=0.026);放射组学-语义模型和放射组学模型之间差异无统计学意义(Z=0.761,P=0.502)。在外部验证集上,放射组学-语义模型、放射组学模型和语义模型的曲线下面积分别为0.9216、0.9024和0.7624。放射组学-语义模型和语义模型之间差异有统计学意义(Z=2.126,P=0.034);放射组学-语义模型和放射组学模型之间差异无统计学意义(Z=0.368,P=0.713)。结论:与语义模型相比,结合放射组学和语义特征的机器学习模型在区分肺结核和非结核分枝杆菌肺病方面具有良好的诊断效率和临床应用价值,尽管与放射组学模型相比,其性能改进并不显著。
展开更多
关键词
结核
肺
分枝杆菌感染
诊断
鉴别
体层摄影术
X线计算机
影像组学
下载PDF
职称材料
题名
基于CT图像结合放射组学和语义特征的机器学习模型诊断非结核分枝杆菌肺病和肺结核的研究
1
作者
仲玲珊
王莉
张硕
李楠
杨晴媛
丁文龙
陈星枝
黄陈翠
邢志珩
机构
天津大学海河医院/天津市海河医院放射科/天津市呼吸疾病研究所/国家中医药管理局中医药防治传染病重点研究室
北京深睿博联科技有限责任公司人工智能实验室
出处
《中国防痨杂志》
CAS
CSCD
北大核心
2024年第9期1042-1049,共8页
基金
天津市科技计划项目-基于CT标注大数据资源NTM诊断应用研究(21JCYBJC00510)
天津市海河医院科技基金项目-基于CT标注大数据资源的AI辅助NTM-LD诊断应用研究(HHYY-202007)
天津市海河医院科技基金项目-基于CT标注大数据资源的AI辅助NTM-LD诊断应用研究(TJYXZDXK-063B)。
文摘
目的:探索基于胸部CT图像的结合放射组学特征和语义特征的机器学习模型,以准确诊断非结核分枝杆菌肺病和肺结核。方法:回顾性收集天津市海河医院2017年1月至2020年12月确诊的120例非结核分枝杆菌肺病和120例肺结核患者的胸部CT图像,分层随机抽取168例(70%)作为训练集,72例(30%)作为测试集。收集西安市胸科医院确诊的25例非结核分枝杆菌肺病和25例肺结核患者的胸部CT图像,作为外部验证集。从全部胸部CT图像中提取12种语义特征和2107个放射组学特征,其中放射组学特征通过特征降维保留40个。采用支持向量机(support vector machines,SVM)算法建立了三个机器学习分类模型,分别是语义模型、放射组学模型、结合放射组学和语义特征的放射组学-语义模型。通过受试者工作特征曲线及曲线下面积对机器学习模型的诊断性能进行评估,用DeLong检验比较三种模型之间差异的统计学意义。结果:在测试集上,放射组学-语义模型、放射组学模型和语义模型的曲线下面积分别为0.9853、0.9282、0.7901。语义模型和放射组学-语义模型,语义模型和放射组学模型之间差异均有统计学意义(Z=2.759,P=0.006;Z=2.230,P=0.026);放射组学-语义模型和放射组学模型之间差异无统计学意义(Z=0.761,P=0.502)。在外部验证集上,放射组学-语义模型、放射组学模型和语义模型的曲线下面积分别为0.9216、0.9024和0.7624。放射组学-语义模型和语义模型之间差异有统计学意义(Z=2.126,P=0.034);放射组学-语义模型和放射组学模型之间差异无统计学意义(Z=0.368,P=0.713)。结论:与语义模型相比,结合放射组学和语义特征的机器学习模型在区分肺结核和非结核分枝杆菌肺病方面具有良好的诊断效率和临床应用价值,尽管与放射组学模型相比,其性能改进并不显著。
关键词
结核
肺
分枝杆菌感染
诊断
鉴别
体层摄影术
X线计算机
影像组学
Keywords
Tuberculosis
pulmonary
Mycobacterium infections
Diagnosis
differential
Tomography
X-ray computed
Radiomics
分类号
R521 [医药卫生—内科学]
R81 [医药卫生—放射医学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CT图像结合放射组学和语义特征的机器学习模型诊断非结核分枝杆菌肺病和肺结核的研究
仲玲珊
王莉
张硕
李楠
杨晴媛
丁文龙
陈星枝
黄陈翠
邢志珩
《中国防痨杂志》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
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