您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览153 | 下载215

目的:提取乳腺病灶的时空变化特征作为新的DCE-MRI标记(称为纹理动态特征)并证明其鉴剐良恶性肿块的能力.方法:回顾性分析52个乳腺肿块,其中恶性肿瘤30个,良性肿块22个,提取并对动态特征信号强度特征、纹理特征、形态特征、边缘特征进行分组.为了更好评估这些特征,采用不同的特征类建立分组模型,计算正确率,敏感度,特异性及曲线下面积(AUC).结果:结合纹理动态特征所建立的良恶性肿瘤分类器具有最大的AUC=0.94,准确率90%,敏感度92%,特异性85%,优于其他各组分类器,与信号强度特征所建立的模型差异有统计学意义(AUC=0.80,P<0.05).结论:磁共振纹理动态特征有助于鉴别良恶性肿块,甚至优于临床上最流行的DCE MRI标记信号强度动态特征.

作者:林帆;胡若凡;梁超;余娟;刘侠静;雷益

来源:放射学实践 2017 年 32卷 10期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:153 | 下载:215
作者:
林帆;胡若凡;梁超;余娟;刘侠静;雷益
来源:
放射学实践 2017 年 32卷 10期
标签:
磁共振成像 纹理 乳腺肿瘤 人工智能 Magnetic resonance imaging Texture Breast neoplasms Artificial intelligence
目的:提取乳腺病灶的时空变化特征作为新的DCE-MRI标记(称为纹理动态特征)并证明其鉴剐良恶性肿块的能力.方法:回顾性分析52个乳腺肿块,其中恶性肿瘤30个,良性肿块22个,提取并对动态特征信号强度特征、纹理特征、形态特征、边缘特征进行分组.为了更好评估这些特征,采用不同的特征类建立分组模型,计算正确率,敏感度,特异性及曲线下面积(AUC).结果:结合纹理动态特征所建立的良恶性肿瘤分类器具有最大的AUC=0.94,准确率90%,敏感度92%,特异性85%,优于其他各组分类器,与信号强度特征所建立的模型差异有统计学意义(AUC=0.80,P<0.05).结论:磁共振纹理动态特征有助于鉴别良恶性肿块,甚至优于临床上最流行的DCE MRI标记信号强度动态特征.