全文获取类型
收费全文 | 104篇 |
免费 | 7篇 |
国内免费 | 1篇 |
学科分类
医药卫生 | 112篇 |
出版年
2024年 | 1篇 |
2023年 | 2篇 |
2022年 | 4篇 |
2021年 | 4篇 |
2020年 | 2篇 |
2019年 | 5篇 |
2018年 | 1篇 |
2016年 | 2篇 |
2014年 | 3篇 |
2013年 | 2篇 |
2012年 | 8篇 |
2011年 | 10篇 |
2010年 | 10篇 |
2009年 | 3篇 |
2008年 | 3篇 |
2007年 | 7篇 |
2006年 | 16篇 |
2005年 | 4篇 |
2004年 | 5篇 |
2003年 | 2篇 |
2001年 | 3篇 |
2000年 | 3篇 |
1999年 | 3篇 |
1997年 | 3篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1994年 | 2篇 |
1990年 | 1篇 |
排序方式: 共有112条查询结果,搜索用时 15 毫秒
1.
2.
<正> 坏死性结肠炎临床上并不少见,但涉及整个结肠并发大量气腹报道较少,笔者遇到一例并经手术证实,现报道如下。 相似文献
3.
支气管动脉灌注化疗联合直线加速器放射治疗Ⅲa期非小细胞肺癌 总被引:1,自引:1,他引:0
目的 研究支气管动脉灌注化疗联合直线加速器放射治疗Ⅲa期非小细胞肺癌 (NSCLC)的可行性及临床价值。方法 76例NSCLC患者随机分成A、B 2组 ,A组先行 2次支气管动脉灌注化疗 (BAI) ,第 2次BAI 1~ 2周后再行直线加速器放射治疗 (RT) ;B组单纯行 2次BAI (对照组 )。结果 临床疗效 ,A组 (BAI RT)和B组 (BAI)分别为 89.47%和 60 .5 3% (Ρ <0 .0 1) ;1、3年生存率 ,A、B组分别为 81.5 8%、5 0 .0 0 %和 60 .5 3%、2 1.0 5 % ( 0 .0 1<Ρ <0 .0 5 )。结论 支气管动脉灌注化疗联合直线加速器放射治疗Ⅲa期非小细胞肺癌的临床疗效和患者 1、3年生存率均显著提高 相似文献
4.
本文详细叙述了美国GP公司TM210运动负荷平板系统由于仪器比较老,而且是在DOS状态下工作,运行程序经常无缘无故出错,经过一段时间的摸索,找到了简单的方法,迅速修复,保证了设备的正常运行。 相似文献
5.
目的:探讨基于胰周脂肪间隙CT影像组学预测早期急性胰腺炎(AP)进展的价值。方法:回顾性分析123例根据新修订的亚特兰大分类诊断为AP的患者(进展组39例,非进展组84例),所有患者均接受腹部平扫及增强CT扫描。采用完全随机方法将患者按7:3的比例分为训练组和验证组。对各期手动勾画距炎症胰腺前缘3~5 mm范围的单层感兴趣区(ROI),采用AK软件提取CT纹理特征,使用最小冗余最大相关(mRMR)和最小绝对值收敛和选择算子(LASSO)回归分析对纹理特征降维、建立影像组学标签,并运用100次留组交叉验证(LGOCV)对模型的可靠性进行验证。将临床资料、CT特征及影像组学标签采用多因素Logistic回归分析建立影像组学模型。利用受试者工作特征(ROC)曲线评价模型的预测效能,应用决策曲线分析(DCA)评估模型的临床应用价值。结果:临床模型、平扫序列影像组学标签、联合序列影像组学标签、平扫序列个性化模型及联合序列个性化模型在训练组中的AUC分别为0.70、0.94、0.94、0.94及0.97,在验证组中的AUC分别为0.83、0.95、0.96、0.99、0.98。DCA显示平扫、联合... 相似文献
6.
【摘要】目的:探讨基于常规MRI的影像组学模型对预测软组织肉瘤(STS)复发的价值。方法:回顾性分析2012年1月-2021年6月在本院经手术病理证实的92例STS患者的临床和影像资料。术后每3个月进行一次影像学检查,随访时间至少12个月以上,根据随访结果有无复发或远处转移分为复发组(27例),无复发组(65例)。采用完全随机方法将所有患者按7:3的比例分为训练集(n=65)和验证集(n=27)。使用ITK-SNAP软件,分别在T1WI和压脂T2WI上逐层沿肿瘤边缘手动勾画ROI并进行三维融合(VOI),然后使用AK软件提取纹理特征,使用最小冗余最大相关(mRMR)和最小绝对值收敛和选择算子(LASSO)回归分析方法分别对T1WI序列、压脂T2WI序列和联合序列的纹理特征进行降维和筛选,并建立影像组学模型,根据各个组学特征的权重系数计算影像组学评分(Radscore),运用100次留组交叉验证(LGOCV)方法来评估模型的可靠性。将临床病理、常规MRI特征与预测效能最高的影像组学模型的Radscore相结合,采用多因素logistic回归(LR)、随机森林(RF)和支持向量机(SVM)三种机器学习算法分别建立机器学习模型。采用受试者工作特征(ROC)曲线评价各模型的预测效能,应用决策曲线分析(DCA)评估模型的临床应用价值。结果:临床模型在训练集和验证集中预测STS复发的ROC曲线下面积(AUC)分别为0.71(95%CI:0.58~0.85)和0.74(95%CI:0.52~0.97)。基于T1WI、压脂T2WI和联合序列的影像组学模型在训练集中预测STS复发的AUC分别为0.81(95%CI:0.70~0.93)、0.92(95%CI:0.86~0.99)和0.91(95%CI:0.84~0.99),在验证集中分别为0.84(95%CI:0.63~1.00)、0.92(95%CI:0.81~1.00)和0.86(95%CI:0.72~1.00)。采用机器学习算法构建的LR、RF和SVM模型在训练集中预测STS复发的AUC分别为0.93(95%CI:0.87~0.99)、0.91(95%CI:0.84~0.99)和0.77(95%CI:0.63~0.91),在验证集中分别为0.93(95%CI:0.83~1.00)、0.86(95%CI:0.71~1.00)和0.83(95%CI:0.66~1.00)。DCA分析结果表明,压脂T2WI和联合序列的影像组学模型、以及LR和RF模型的临床受益均较好。结论:基于常规MRI序列中的压脂T2WI和联合序列构建的影像组学模型对预测STS复发具有较高的预测效能和较好的临床受益,基于不同机器学习算法构建的预测模型的预测效能并无明显提高。 相似文献
7.
9.
10.
【摘要】目的:探讨基于常规MRI的纹理分析技术在鉴别良恶性软组织肿瘤(STT)中的价值。方法:回顾性分析2015年1月-2019年9月在我院经手术病理证实的91例STT患者的病例资料。所有患者术前行MRI检查,包括横轴面T1WI及横轴面、冠状面和矢状面脂肪抑制质子密度加权像(FS-PDWI)。采用MaZda软件进行纹理分析,在各序列图像中选取病灶最大层面及相邻的2个层面,测量肿块大小,沿病灶边界勾画ROI,提取病灶的纹理特征,包括直方图参数(均值、变异度、偏度、峰度及第1、10、50、90、99百分位数)和灰度共生矩阵(GLCM)参数(能量、对比度、相关、平方和、逆差矩、均和、和方差、和熵、熵、差方差和差熵)。采用t检验、LSD(方差齐)或Mann-Whitney U检验(方差不齐)对良恶性组的患者年龄、病灶大小及纹理参数进行比较,对差异有统计学意义的指标进一步行ROC曲线分析评估其诊断效能。采用多因素Logistic回归分析获得判断良恶性STT的独立预测因素并建模,绘制 ROC曲线评估模型的鉴别诊断效能。结果:91例中良性43例、恶性48例。良恶性STT的大小及在T1WI和FS-PDWI图像上的对比度、相关、逆差矩、差方差和差熵的组间差异均有统计学意义(P<0.05);其它GLCM参数及直方图参数在两组间的差异无统计学意义(P>0.05)。FS-PDWI图像上,除差熵的诊断效能低于T1WI(AUC:0.710 vs. 0.714),其它参数(对比度、相关、逆差矩、差方差)的诊断效能均优于T1WI(AUC分别为0.853 vs. 0.761,0.849 vs. 0.742,0.750 vs. 0.714和0.807 vs. 0.723)。以病理结果良、恶性为因变量,采用逐步回归法来筛选自变量,选入回归模型的变量为T1WI上的差熵及FS-PDWI上的差方差和差熵(P值分别为0.033、0.030和0.031),提示上述参数是判断STT良恶性的独立预测因素,相应模型的AUC为0.811,敏感度为82.4%,特异度为71.4%。结论:基于常规MRI的纹理分析技术有助于良恶性软组织肿瘤的鉴别。 相似文献