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41 | 下载32

目的 探讨CT特征联合人工智能(AI)定量参数评估临床ⅠA期高级别肺腺癌(LADC)的价值.方法 纳入482例ⅠA期LADC患者,以病理分级系统将其分为低级别组(n=366)和高级别组(n=116);比较组间临床及影像学主观特征及AI定量参数差异,以logistic回归分析筛选评估高级别LADC的独立因子,并构建主观特征模型、AI模型及联合模型;绘制受试者工作特征曲线,评估各模型诊断效能.结果 对于评估高级别LADC,主观特征模型中的结节类型、实性成分占比及空气支气管征,AI模型的CT平均值及峰度,以及联合模型中的AI评分、实性成分占比及空气支气管征均为独立预测因子(P均<0.05).主观特征模型、AI模型及联合模型评估高级别LADC的曲线下面积分别为0.886、0.885及0.901,联合模型评估效能优于主观特征模型及AI模型(P均<0.05).结论 CT特征联合AI定量参数有助于术前无创评估临床ⅠA期高级别LADC.

作者:梁演婷;林欢;李夙芸;刘晨;莫梓阳;刘昱琳;刘再毅

来源:中国医学影像技术 2023 年 39卷 2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:41 | 下载:32
作者:
梁演婷;林欢;李夙芸;刘晨;莫梓阳;刘昱琳;刘再毅
来源:
中国医学影像技术 2023 年 39卷 2期
标签:
肺肿瘤 体层摄影术,X线计算机 病理学 人工智能
目的 探讨CT特征联合人工智能(AI)定量参数评估临床ⅠA期高级别肺腺癌(LADC)的价值.方法 纳入482例ⅠA期LADC患者,以病理分级系统将其分为低级别组(n=366)和高级别组(n=116);比较组间临床及影像学主观特征及AI定量参数差异,以logistic回归分析筛选评估高级别LADC的独立因子,并构建主观特征模型、AI模型及联合模型;绘制受试者工作特征曲线,评估各模型诊断效能.结果 对于评估高级别LADC,主观特征模型中的结节类型、实性成分占比及空气支气管征,AI模型的CT平均值及峰度,以及联合模型中的AI评分、实性成分占比及空气支气管征均为独立预测因子(P均<0.05).主观特征模型、AI模型及联合模型评估高级别LADC的曲线下面积分别为0.886、0.885及0.901,联合模型评估效能优于主观特征模型及AI模型(P均<0.05).结论 CT特征联合AI定量参数有助于术前无创评估临床ⅠA期高级别LADC.