排序方式: 共有8条查询结果,搜索用时 223 毫秒
1
1.
2.
目的 探讨自动乳腺全容积扫描(ABVS)结合不同机器学习(ML)算法术前预测人表皮生长因子受体2(HER-2)状态的价值。方法 收集乳腺癌患者202例,HER-2阳性组68例,HER-2阴性组134例,按7∶3将患者随机分为训练组(141例)、测试组(61例)。采用最小绝对收缩和选择算子(LASSO)回归降维筛选最优特征,多因素Logistic回归筛选独立危险因素,并利用支持向量机(SVM)、最近邻算法(KNN)、决策树(DT)、随机森林(RF)、极端梯度推进(XGBoost)5种不同ML算法构建预测模型。结果 肿块边界、微分叶、微钙化、血流分级、冠状面汇聚征及虫噬征、腋窝淋巴结状态为最优特征,多因素分析微钙化、血流分级、冠状面汇聚征、腋窝淋巴结状态为独立危险因素,测试组SVM、KNN、DT、RF、XGBoost的曲线下面积(area under curve, AUC)分别为0.767、0.768、0.783、0.768、0.805。结论 ABVS超声特征结合机器学习术前能够有效预测乳腺癌HER-2状态,其中XGBoost表现最突出。 相似文献
3.
4.
目的:探讨基于自动乳腺全容积成像(ABVS)冠状面图像影像组学联合声触诊组织定量(VTQ)技术术前预测浸润性乳腺癌淋巴血管侵犯(LVI)的价值。方法:收集经病理及免疫组化证实的浸润性乳腺癌患者138例,LVI阳性43例,LVI阴性95例。基于ABVS冠状面图像提取影像组学特征,采用LASSO回归降维,筛选最优特征,构建影像组学标签评分(Rad-score)。Rad-score联合超声特征采用Logistic单因素和多因素回归分析筛选独立预测因子,基于超声特征构建影像学模型,影像学模型结合Rad-score构建联合模型,并绘制联合模型列线图和校准曲线。Hosmer-Lemeshow检验评价联合模型的拟合优度,受试者操作特征(ROC)曲线下面积(AUC)评判各模型效能,Delong检验比较各模型AUC,2折交叉对模型行交叉验证,临床决策曲线(DCA)评判模型临床适用性。结果:共筛选8个最优特征构建Rad-score,多因素Logistic回归显示肿瘤长径(LD)、剪切波速度(SWV)及Rad-score为独立危险因素。校准曲线显示预测值与观测值一致性较高,C-index=0.828。Hos... 相似文献
5.
目的:探讨基于增强CT的影像学模型对低危险度胃间质瘤(Low risk gastric stromal tumor,LRGST)与胃平滑肌瘤(Gastric leiomyomas,GLMs)的鉴别诊断价值.方法:回顾性分析2015年1月—2021年2月于皖南医学院一附院经手术病理及免疫组化证实的72例LRGST(LRG... 相似文献
6.
目的:探讨基于增强CT影像组学的机器学习(machine learning,ML)模型鉴别低风险胃间质瘤(gastric stromal tumor,GST)与良性胃黏膜下肿瘤(gastric submucosal tumor,GSMT)的价值。方法:回顾性分析2013年1月至2022年3月皖南医学院弋矶山医院84例低风险GST及51例良性GSMT患者的临床及影像资料。将患者随机分为训练集(n=94)和测试集(n=41)。基于增强CT静脉期利用ITK-SNAP软件分割图像,AK软件提取影像组学特征,m RMR、Spearman秩相关及LASSO回归对特征降维,建立影像组学标签评分(Radscore)。采用单因素及多因素Logistic回归筛选独立危险因素,使用支持向量机(suppor vector machine,SVM)建立预测模型,用测试集检测模型的泛化能力,受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under curve,AUC)评估模型效能。结果:多因素分析年龄、形态、生长部位、长径/短径(long dia... 相似文献
7.
8.
目的 分析病理参数联合超声自动乳腺全容积扫描(ABVS)影像特征构建的列线图预测乳腺癌Luminal分型的价值。方法 回顾性分析212例行超声ABVS检查的Luminal型乳腺癌患者的病理及超声资料,以雌激素受体(ER)阳性、人表皮生长因子受体2(HER-2)阴性、Ki-67<14%及孕激素受体(PR)>20%作为Luminal A型乳腺癌的分型标准,将患者分为Luminal A型(64例)与Luminal B型(148例),按7∶3将患者随机分为训练组(n=148)与验证组(n=64)。单因素与多因素Logistic回归分析筛选预测乳腺癌Luminal分型的独立影响因素,基于独立影响因素构建联合预测模型,并绘制模型的列线图与校准曲线。结果 单因素与多因素Logistic回归分析发现脉管侵犯、长径及冠状面汇聚征为预测乳腺癌Luminal分型的独立影响因素,联合模型曲线下面积(AUC)训练组为0.725(95%CI:0.639~0.812),验证组为0.777(95%CI:0.640~0.915)。结论 病理参数联合超声ABVS影像特征区分乳腺癌Luminal分型有一定价值,... 相似文献
1