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
共找到3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：
中老年男性骨质疏松症的MRI影像组学模型构建与应用研究
1
作者 胡运祥 朱艳敏 +1 位作者 谢小清 熊伟坚 《影像技术》 2025年第1期8-13,23,共7页
目的:本研究旨在探讨中老年男性骨质疏松症的MRI影像组学模型构建与应用研究。方法:收集2023年1月-2024年1月于韶关市第一人民医院就诊的中老年男性患者128例作为研究对象,通过同期行腰椎MRI及双能X射线骨密度测量,将骨量正常组为对照,... 目的:本研究旨在探讨中老年男性骨质疏松症的MRI影像组学模型构建与应用研究。方法:收集2023年1月-2024年1月于韶关市第一人民医院就诊的中老年男性患者128例作为研究对象,通过同期行腰椎MRI及双能X射线骨密度测量,将骨量正常组为对照,以双能X射线骨密度检查结果为诊断金标准进行分析,选择独立的MRI序列与T1WI+T2WI联合序列,通过美国AK软件中的Pyradiomics模块提取影像组学特征,Spearman分析特征集合,假如结果中依旧存在着冗余表现,再次使用梯度提升决定树(GBDT)算法进行降维。分析单独序列影像组学模型ROC曲线参数与联合影像组学和影像组学模型诊断性能参数。结果:通过T1WI和T2WI序列的腰椎MRI平扫图像提取影像组学特征,并建立逻辑回归模型(包括T1WI模型、T2WI模型和T1WI+T2WI联合模型)。128例患者中包含55例骨质正常或减低者,73例骨质疏松症者。T1WI序列AUC为0.801,95%置信区间为0.700~0.910、敏感性为0.845、准确性为0.719、特异性为0.6245;而T2WI AUC为0.818,95%置信区间为0.712~0.917,敏感性为0.769、准确性为0.738、特异性为0.836;T1WI+T2WI的敏感性为77.15,特异性为100.00,准确性为84.0,阳性预测值为100,阴性预测值为84.78;影像组学模型敏感性为90.88,特异性为96.31,准确性为92.0,阳性预测值为95.18,阴性预测值为93.08,且按照Radscore的截断值可以将患者分为高风险组与低风险组。与单独序列模型相较来说,联合模型的敏感性、特异性等均比较高;影像组学模型的敏感性、特异性、准确性高于双能X射线骨密度测量(P<0.05)。结论:在中老年男性腰椎骨质疏松的预测中,基于MRI平扫的影像组学模型具有较高的诊断效能,是较为有效的辅助工具,可以为临床决策以及患者预后的改善提供帮助。 展开更多
关键词 影像组学模型 骨质疏松 腰椎MRI平扫 中老年男性
在线阅读 下载PDF
免棱镜全站仪在井下测绘中的应用 被引量：1
2
作者 胡运祥 《世界有色金属》 2016年第6期85-86,共2页
免棱镜全站仪的出现是矿山测量应用的重大里程碑。他是对传统经纬仪、全站仪的技术改进和重大创新。无棱镜测距精度高,反应速度快,具有激光指向仪的功能,在贯通测量中能够直观的指导生产。它的出现为井下控制测量、井下施工放样,贯通测... 免棱镜全站仪的出现是矿山测量应用的重大里程碑。他是对传统经纬仪、全站仪的技术改进和重大创新。无棱镜测距精度高,反应速度快,具有激光指向仪的功能,在贯通测量中能够直观的指导生产。它的出现为井下控制测量、井下施工放样,贯通测量,危险的采空区测量带来了曙光,极大地提高了测量工作的外业作业效率和生命安全保障。 展开更多
关键词 免棱镜全站仪 井下控制测量 井下施工测量
在线阅读 下载PDF
术前MRI影像组学模型预测子宫内膜癌风险分层 被引量：2
3
作者 孔伟 余裕珍 +3 位作者 王康 陈龙 胡运祥 陈卫国 《中国医学影像技术》 CSCD 北大核心 2023年第12期1857-1861,共5页
目的观察术前MRI影像组学模型预测子宫内膜癌(EC)风险分层的价值。方法回顾性分析219例术前接受盆腔MR检查的EC患者,根据术后病理结果将其分为高风险组(n=104)及低风险组(n=115);按照不同检查时间将患者分别归入训练集(n=153)或测试集(n... 目的观察术前MRI影像组学模型预测子宫内膜癌(EC)风险分层的价值。方法回顾性分析219例术前接受盆腔MR检查的EC患者,根据术后病理结果将其分为高风险组(n=104)及低风险组(n=115);按照不同检查时间将患者分别归入训练集(n=153)或测试集(n=66),并于集内划分亚组。以3D Slicer软件于MRI中手动勾画ROI,分别基于轴位、矢状位脂肪抑制(FS)T2WI及轴位、矢状位增强FS-T1WI中提取1130个特征,之后以最小绝对收缩和选择算子(LASSO)算法分别选出12、14、16及12个(共54个)影像组学特征(联合MRI特征);再以LASSO降维并筛选出25个特征(联合LASSO特征)。以极度随机树算法分别基于各序列特征、联合MRI特征及联合LASSO特征构建模型;绘制受试者工作特征曲线,以曲线下面积(AUC)、准确度及F1评分评估各模型预测效能;以各模型在测试集中的AUC及主观阅片的AUC评估其预测效能。结果训练集中,联合MRI模型与联合LASSO模型的准确率(0.784、0.777)、F1评分(0.730、0.731)及AUC(0.835、0.855)均高于各单一序列模型;其在测试集的敏感度(0.794、0.882)、特异度(0.909、0.969)及AUC(0.904、0.934)均高于主观阅片及各单一序列模型;联合LASSO模型预测效能优于联合MRI模型。结论术前MRI影像组学可有效预测EC风险分层,尤以联合LASSO模型预测效能最佳。 展开更多
关键词 子宫内膜肿瘤 磁共振成像 影像组学
在线阅读 下载PDF
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
使用帮助 返回顶部