共查询到18条相似文献,搜索用时 62 毫秒
1.
2.
影像组学能够从CT、MRI或PET/CT影像中高通量地提取和分析大量定量影像特征,可以提供肿瘤表型及病变微环境信息。目前肺磨玻璃结节(GGN)的影像组学研究主要集中在良恶性的鉴别、侵袭性或病理分型的判断及基因变化的预测。就肺GGN概述、影像组学的发展及在肺GGN中的应用研究进展予以综述。 相似文献
4.
5.
6.
影像组学可以高通量地提取大量反映病灶异质性的定量影像特征用于病变分析和诊疗,目前已应用于肺磨玻璃结节的研究,包括影像组学特征可重复性、良恶性鉴别,以及浸润性、生长趋势、病理相关指标、基因突变及免疫治疗相关标志物预测等方面。就近年影像组学在肺磨玻璃结节中的研究进展进行综述。 相似文献
7.
目的 探讨增强CT影像组学模型鉴别良恶性小肾肿瘤(直径≤4 cm)的价值。方法 选取经病理证实为恶性小肾肿瘤患者151例,良性小肾肿瘤患者49例。采用分层抽样方法将200例患者按照7∶3比例随机划分为训练集140例及验证集60例,分别于肾皮髓质期、实质期及排泄期逐层手动勾画感兴趣区(ROI),提取影像组学特征。采用最小绝对收缩和选择算法(LASSO)进行降维,建立单独期相模型和联合期相模型共7个模型:1)皮髓质期;2)实质期;3)排泄期;4)皮髓质期-实质期;5)皮髓质期-排泄期;6)实质期-排泄期;7)三期联合模型。通过绘制受试者工作特征曲线(ROC)及曲线下面积(AUC)评估模型的诊断效能。使用De-Long检验比较不同模型间的效能差异。结果 三期联合模型的鉴别效能(训练集AUC为0.931;验证集AUC为0.870)高于两两联合模型和单独期相模型,差异有统计学意义(P<0.05);皮髓质期-实质期模型的鉴别效能(训练集AUC为0.913,验证集AUC为0.832)高于皮质期-排泄期模型、实质期-排泄期模型和单独期相模型,差异有统计学意义(P<0.05)。单独期相模型中... 相似文献
8.
目的探讨CT影像组学模型对良恶性甲状腺结节的鉴别诊断价值。方法回顾性分析2017年5月至2018年8月间南京医科大学附属淮安第一医院经病理证实的179例甲状腺结节患者的临床和影像资料。良性结节89例,恶性结节90例。患者术前均行甲状腺结节CT平扫和增强扫描。采用分层随机抽样方法将患者按照8∶2的比例分为训练组(143例)与测试组(36例),采用A.K软件基于术前CT图像提取378个影像组学特征,后采用Spearman相关分析与最小绝对收缩和选择算子回归分析进行特征筛选与模型构建,在训练组与测试组中应用受试者操作特征(ROC)曲线对模型进行验证,评价影像组学特征预测良恶性甲状腺结节的效能。结果经过特征筛选,16个影像组学特征用于构建甲状腺结节良恶性鉴别模型。训练组中预测模型的ROC曲线下面积(AUC)为0.92(95%可信区间:0.88~0.97),灵敏度和特异度分别为88.7%、82.0%,诊断准确率91.1%;测试组中AUC为0.90(95%可信区间:0.81~0.98),灵敏度和特异度分别为88.5%、84.6%,诊断准确率88.2%。结论基于CT的影像组学模型对良恶性甲状腺结节有较高的诊断效能。 相似文献
9.
【摘要】目的:探讨实性孤立性肺结节(SPN)两种兴趣区(ROI)画取方式获得的影像组学参数的一致性,并对良、恶性结节两组间的参数进行比较。方法:回顾性分析49例SPN患者的术前CT资料,由两位高年资主治医生在Imagej软件上进行图像处理及参数测量,其中一位测量者间隔12个月重复测试一次。方案一:(半)自动化全局法,使用Ostu阈值二值化图像,区域生长法获得结节边界,分割效果不佳者辅以手工修剪边缘。方案二:结节中心画取,在结节内部选取圆形ROI。测量一致性采用组内相关系数(ICC)进行分析。选择ICC均>0.6的参数,取两位测量者首次测量的平均值用于统计学分析。结果:方案一中测量一致性均很好的参数有11个,ICC范围分别为0.810~0.998(不同观察者间)和0.804~0.997(同一观察者内)。方案二中测量一致性均很好的参数有4个,ICC范围为0.820~0.954(不同观察者间)和0.950~0.960(同一观察者内)。两方案灰度共生矩阵(GLCM)参数中,相关性参数的测量一致性均最低,ICC介于0.721~0.843。良性组与恶性组SPN进行比较,方案一中的结节短径、平均径、圆度、角二阶矩及熵在两组中差异均有统计学意义(P<0.05)。结论:(半)自动化分割SPN获取的影像组学参数的可重复性较高,并能为良、恶性结节的鉴别诊断提供客观、稳定的信息。 相似文献
10.
11.
目的 构建基于超声影像特征的机器学习模型预测甲状腺结节的良恶性,选择最佳模型以准确预测甲状腺结节的良恶性。 方法 回顾性分析有明确病理结果的甲状腺结节病人2 410例共2 516个结节的超声影像特征。使用SPSS Modeler18.0统计软件,将结节随机分为训练队列和验证队列,训练队列包括1 992个结节(80%),验证队列包括524个结节(20%)。在训练队列和验证队列中,分别使用支持向量机(SVM)、Logistc回归分析、分类回归树(C&R)、决策树(C5.0)、贝叶斯网络和类神经网络6个分类器构建机器学习模型。采用受试者操作特征(ROC)曲线下面积(AUC)分析模型的原始倾向评分,以评估6种模型的预测能力;并使用DeLong检验比较6种模型的预测能力。选择预测能力最好的机器学习模型,筛选预测重要变量。使用R软件,基于训练队列数据绘制列线图,并基于训练队列及验证队列数据绘制校准曲线对列线图进行验证。 结果 在训练队列和验证队列中,SVM相比其他模型预测甲状腺结节良恶性的能力最好,AUC分别为0.983和0.973(均P<0.05)。选取SVM筛选的6个预测重要变量绘制的列线图显示纵横比>1、微钙化、包膜外侵犯评分最高,其次为边缘、桥本氏甲状腺炎及回声水平。训练队列和验证队列的校准曲线均显示,列线图的预测结果与实际结果有良好的一致性。 结论 基于超声影像特征构建的机器学习模型可以准确预测甲状腺结节的性质,其中SVM的预测能力最高。 相似文献
12.
13.
目的确定CT灌注成像在肺部良恶性结节鉴别诊断中的潜能。方法 32例经临床和病理证实为孤立性肺结节患者,其中,24例恶性和8例良性均经CT灌注成像,随后,对两组的灌注参数、强化峰值及达峰时间进行了测量与统计学比较。结果恶性组血流量(BF)为33.35±10.23mL/(100 g·min),良性组BF为23.58±8.65mL/(100 g·min),两组间有显著性差异(P<0.05);恶性组血容量(BV)为11.36±3.89mL/100 g,良性组BV为6.32±3.21 mL/100 g,两组间有显著性差异(P<0.01);恶性组达峰时间(TTP)为32.8±2.9 s,良性组为24.6±2.3 s,两组间有显著性差异(P<0.05);良性与恶性两组间强化峰值无统计学差异(P>0.05)。结论 CT灌注成像不仅是评价全部结节灌注情况的一种可行方法,而且有助于肺部良恶性结节的鉴别。 相似文献
14.
We investigated the possibility of using computer analysis of high-resolution CT images to radiologically classify the shape of pulmonary nodules. From a total of 107 HRCT images of solid, solitary pulmonary nodules with prior differentiation as benign (n=55) or malignant (n=52), we extracted the desired pulmonary nodules and calculated two quantitative parameters for characterizing nodules: circularity and second central moment. Using discriminant analysis for two thresholds in differentiating malignant from benign states resulted in a sensitivity of 76.9%, a specificity of 80%, a positive predictive value of 78.4%, and a negative predictive value of 78.6%. 相似文献
15.
16.
目的分析良、恶性甲状腺结节的彩色多普勒超声表现,以提高超声诊断和鉴别诊断良、恶性甲状腺结节的价值。方法回顾性分析经手术、病理明确诊断的157个良、恶性甲状腺结节的彩色多普勒超声表现,良、恶性结节的形态、回声、钙化特点、彩色多普勒血流图血流信号分布等。结果157个甲状腺结节经病理诊断,其中 90个为良性结节,67个为恶性结节;本组病例彩色多普勒超声检查的特异性为92.2%,敏感性为80.6%,诊断符合率为87.2%;彩色多普勒超声图像显示甲状腺良、恶性结节的形态、边界、包膜、回声、血流信号分布、内部钙化情况、血流阻力指数值比较,差异比较均具有统计学意义(P<0.05)。结论彩色多普勒超声可诊断甲状腺病变,依据重要的参考指标,可评价甲状腺结节的良、恶性。 相似文献
17.
目的 评价CT纹理分析在鉴别肺良恶性结节中的价值.方法 回顾性分析110例孤立性肺结节(SPNs)(恶性55例,良性55例)的CT平扫图像,所有结节均经组织病理学或临床随访证实.提取肺结节CT平扫图像的对比度、能量、熵、相关以及一致性等5个灰度共生矩阵纹理参数进行分析.使用t检验比较良恶性结节纹理特征的差异.使用受试者工作特征曲线(ROC)分析确定各参数的最佳临界值,并评价各参数诊断肺良恶性结节的敏感性、特异性、准确性、阳性及阴性预测值.结果 5个纹理特征中,能量、一致性和熵的ROC曲线下面积(AUC)分别为0.997、0.918、0.976.恶性结节的能量、一致性小于良性结节,熵大于良性结节(P<0.001).使用最佳临界值标准,能量、一致性和熵的敏感性分别为0.982,0.818,1.000,特异性分别为0.964,0.909,0.910,准确性为0.973,0.864,0.945,阳性预测值为0.964,0.9,0.915,阴性预测值为0.981,0.833,0.980.结论 CT纹理特征定量分析是一种有前景的能够准确鉴别良恶性肺结节的手段. 相似文献
18.
目的探讨18F-FDG PET(氟代脱氧葡萄糖正电子发射断层显像)对肺结节良、恶性鉴别诊断的价值.方法对80例肺结节行18F脱氧葡萄糖(FDG)正电子发射断层显像(PET).以病理组织学诊断为依据,结合临床,分析18F-FDG放射性摄取灶及最大标准摄取值(SUVmax)对肺结节良恶性鉴别诊断的意义.结果18F-FDG PET鉴别肺结节良恶性的灵敏度为98.6%,特异度为81.8%,准确度为96.4%,阳性预测值97.14%,阴性预测值90.0%.结论根据18F-FDGPET代谢显像特征,可以对肺内结节的良恶性作出进一步鉴别诊断. 相似文献