排序方式: 共有9条查询结果,搜索用时 31 毫秒
1
1.
2.
【摘要】目的:探讨基于DWI图像利用深度学习方法建立的分割模型对盆腔骨结构的自动分割价值,以及基于自动分割图像建立的影像组学模型对前列腺癌骨转移的诊断效能。方法:回顾性搜集2017年1月-2020年1月因临床怀疑前列腺癌而行盆腔多参数MRI扫描的614例患者的DWI数据,训练3D U-Net模型对盆腔骨质结构进行自动分割。以两位影像科医师手工勾画和标注的8个盆腔骨质结构(下腰椎、骶骨、髂骨、髋臼、耻骨、坐骨、股骨头、股骨颈)为金标准,在不同数据集(训练集、调优集、测试集)中,采用Dice相似系数(DSC)、Jaccard相似系数(JSC)和Hausdorff表面距离(HSD)评估3D U-Net模型自动分割盆腔各骨质结构的效能。另搜集2020年2月-2020年12月在本院经病理证实为前列腺癌的275例患者的影像资料,用于盆腔骨质结构分割模型的外部验证集及建立预测骨转移灶的影像组学模型,采用受试者工作特征曲线(ROC)评估影像组学模型的分类效能。结果:U-Net分割模型在测试集中的DSC、JSC和HSD值分别为0.87±0.03、0.77±0.04和21.75±12.08;在外部验证集中相应参数值分别为0.82±0.06、0.71±0.08和16.27±4.35。基于275例前列腺癌患者的盆腔骨质结构自动分割图像,共提取和筛选出20个影像组学特征参数,所建立的影像组学模型在测试集中的ROC曲线下面积(AUC)为0.965(95%CI:0.899~0.993),敏感度为97.14%(95%CI:85.1%~99.9%),特异度为89.36%(95%CI:76.9%~96.5%)。结论:基于DWI图像利用深度学习方法建立的自动分割模型能准确分割盆腔骨质结构,随后建立的影像组学模型可以有效检出盆腔范围内的骨转移灶,为自动评估前列腺癌患者盆腔骨转移提供了新方法。 相似文献
3.
4.
5.
6.
目的:探讨~(18F)-FDG PET/CT显像定量参数最大标准摄取值(SUVmax)、肿瘤代谢容积(MTV)、糖酵解总量(TLG)及其他临床因素对弥漫大B细胞淋巴瘤预后判断的价值。方法:回顾性分析65例初治且病理诊断为DLBCL患者的临床及PET/CT影像资料,所有患者均接受R-CHOP方案一线治疗,均于化疗前及化疗中期(2-4个疗程后)行18F-FDG PET/CT扫描,分别计算获得患者的SUVmax、MTV及TLG。应用受试者工作特征曲线(ROC)确定各自最佳分界值,Pearson卡方检验、Kaplan-Meier生存曲线、log-rank检验和单因素及多因素Cox回归分析评价相关参数对PFS的判断价值。结果:年龄、B症状、Ann Arbor分期及结外主要器官受累均与疾病复发或进展显著相关(P 0.05),SUVmax相关参数与预后关系无统计学意义,MTV0、MTV1、TLG0及TLG1预测疾病复发或进展的最佳分界值分别是172.20 cm~3、4.32 cm~3、1043.33 g及14.07 g,低MTV及低TLG组PFS均有延长且有统计学意义,多因素Cox回归分析显示,B症状、MTV1和TLG1是疾病的独立预后危险因素。结论:治疗前及治疗中MTV和TLG以及NCCN-IPI均与患者预后相关,SUVmax相关参数与预后无显著相关性,而治疗中MTV及TLG是DLBCL独立危险预后因素,比NCCN-IPI更具有预后意义。 相似文献
7.
【摘要】目的:利用U-Net模型实现CT图像肾脏分割,测量肾实质和肾窦体积和径线。方法:搜集本院PACS中365例腹部CT增强检查中双肾正常者动脉期薄层图像。其中93例用于训练U-Net分割模型,272例用于模型效能评价。由两位影像专家检查模型返回分割结果,评价结果是否可用于体积和径线测量。以去除最小连通域方法处理图像保留像素数计算双侧肾实质和肾窦的体积。以最小体积包围盒算法测量双侧肾实质、肾窦径线。测量结果自动填写到结构化报告完成肾脏大小定量评估。建模时人工标注93例和预测时模型分割效果好272例共同用于体积和径线测量。计算肾实质、肾窦体积及三维径线95%参考值范围,采用相关性分析探讨相关因素,应用多元线性回归分析探讨其影响因素。结果:专家评价U-Net模型可很好地完成双侧肾实质和肾窦分割。测试集中分割右肾实质DICE值0.97±0.01,分割左肾实质DICE值0.97±0.01,分割右肾窦DICE值0.84±0.06,分割左肾窦DICE值0.88±0.04。多元线性回归分析显示肾实质体积=0.654×身高-0.597×年龄+0.653×体重-6.321×侧别-8.824×性别,回归方程R2为0.304;肾窦体积=0.213×体重+0.168×年龄-4.162×侧别-2.052×性别+0.122×身高,回归方程R2为0.389。模型测量结果可自动填写入结构化报告中。结论:基于U-Net可有效分割CT图像肾实质和肾窦并测量径线及体积,自动完成影像报告中双肾大小定量评估;肾实质体积和肾窦体积均与性别、年龄、身高、体重、侧别有一定关联。 相似文献
8.
9.
1