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127 | 下载3

目的:建立基于放射组学的生物标记物模型,预测局部进展期食管癌术前新辅助放化疗(nCRT)后病理反应。方法:回顾性选取2008—2018年间112例局部进展期食管癌患者,均采用术前nCRT联合手术治疗。收集治疗前增强CT图像,手动描绘病变体积。使用Python软件中pyadiomics插件包提取共670个放射组学特征(包括肿瘤强度、形状和大小、纹理和小波特征),运用逐步回归结合最佳子集方法筛选特征,最后采用 Logistic回归模型建立预测模型。通过受试者工作特征曲线下面积(AUC)评估性能。 结果:全组患者的病理完全缓解率为58.0

作者:朱湘;朱超男;曾剑;孙晓江;林清认;方军;陈明;季永领

来源:中华放射肿瘤学杂志 2021 年 30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:127 | 下载:3
作者:
朱湘;朱超男;曾剑;孙晓江;林清认;方军;陈明;季永领
来源:
中华放射肿瘤学杂志 2021 年 30卷 10期
标签:
放射组学 食管肿瘤/新辅助放化疗法 病理反应 Radiomics Esophageal neoplasm/neoadjuvant chemoradiotherapy Pathological response
目的:建立基于放射组学的生物标记物模型,预测局部进展期食管癌术前新辅助放化疗(nCRT)后病理反应。方法:回顾性选取2008—2018年间112例局部进展期食管癌患者,均采用术前nCRT联合手术治疗。收集治疗前增强CT图像,手动描绘病变体积。使用Python软件中pyadiomics插件包提取共670个放射组学特征(包括肿瘤强度、形状和大小、纹理和小波特征),运用逐步回归结合最佳子集方法筛选特征,最后采用 Logistic回归模型建立预测模型。通过受试者工作特征曲线下面积(AUC)评估性能。 结果:全组患者的病理完全缓解率为58.0