贾绚
- 作品数：18 被引量：26H指数：4
- 供职机构：浙江大学医学院附属儿童医院更多>>
- 发文基金：浙江省医药卫生科学研究基金更多>>
- 相关领域：医药卫生自动化与计算机技术文化科学更多>>
- 酰胺质子转移成像的临床研究进展被引量：5
- 2020年
- 酰胺质子转移(Amide Proton Transfer,APT)成像作为一种新型的磁共振成像方法,可以通过水信号变化来检测水中游离原蛋白、多肽酰胺质子和水质子的化学交换特征,从中反映组织中蛋白质和p H的变化。临床近年来已开展如脑肿瘤、多发性硬化、肝性脑病及子宫颈癌等方面的应用研究,是一种无辐射且无损伤的磁共振分子成像新技术。该研究对APT技术原理及其在临床上的应用现状进行综述,并对其在小儿腹部肿瘤应用前景进行展望。
- 贾绚赖灿马晓辉
- 关键词：磁共振成像
- 复方地芬诺酯中毒致脑损伤一例被引量：2
- 2009年
- 患儿男，2岁，误服复方地芬诺酯片约10余片后，面色潮红嗜睡，5h后出现叫之不应，昏迷，呼吸困难等症状，无四肢抽搐、口吐白沫及大小便失禁。至当地医院住院治疗14d，予呼吸机辅助呼吸，降颅内压、保护脑细胞治疗，患儿始终昏迷，转入我院。头颅CT平扫示双侧基底节区及枕叶、顶叶后部呈广泛低密度改变，边界模糊，脑室系统轻度扩大，脑沟裂宽深，大脑呈脑萎缩改变，大脑中线结构未见明显移位（图1～4）。治疗4d后由昏迷转至昏睡，能自发睁眼，偶有哭吵，无抽搐。入院后第5天家长放弃治疗出院，随访患儿始终无自主意识，偶有抽搐。
- 马晓辉赖灿杨兴惠贾绚
- 关键词：复方地芬诺酯中毒脑损伤复方地芬诺酯片呼吸机辅助呼吸四肢抽搐头颅CT平扫
- 小儿食管裂孔疝的X线诊断
- 2007年
- 目的：分析与复习小儿食管裂孔疝的X线诊断。方法：回顾分析我院60例X线钡餐造影发现食管裂孔疝后经手术证实的病例，结合相关文献复习其影像学特征。结果：60例患儿中有32例胸片可见膈上出现疝囊，吞钡后呈囊状、漏斗状或葫芦状，膈上可见胃粘膜及食管一胃环。当腹压增高时疝囊明显，减小时可消失，并多伴有食管持续反流；14例胸片心影后方可见软组织包块影，有时有气液面。吞钡后胃的部分突入胸腔，贲门位置有11例位于膈下，3例位于膈上；4例食管短而直，贲门位置在胸7—8水平。60例患儿中有1例合并食道狭窄，2例合并有贲门失弛缓症。结论：食管裂孔疝有典型的X线征象，X线检查可以明确不同类型的诊断，为临床提供手术依据。
- 贾绚周银宝马晓辉
- 关键词：食管裂孔疝小儿X线钡剂造影
- 基于机器学习的放射组学特征预测儿童肾母细胞瘤临床分期
- 2021年
- 目的初步探讨基于机器学习建立并验证放射组学特征预测儿童肾母细胞瘤(WT)临床分期划分模型。方法回顾性分析2014年10月至2020年9月共计107例病理证实的WT患者,对其术前腹部增强CT门静脉期的图像进行感兴趣区(ROI)勾画,之后进行放射组学特征提取,每例提取1781个放射组学特征;采用支持向量机(SVM)建立机器学习模型预测临床分期Ⅰ期及非Ⅰ期WT。结果107例WT中,临床Ⅰ期45例(42.1%),非Ⅰ期62例(57.9%),应用t检验及LASSO算法筛选出8个放射组学特征与之相关,剔除其中两个权重相对较低的具有多重共线性的组学特征,利用6个特征基于SVM构建模型,经训练集数据进行机器学习后,对WT临床Ⅰ期和非Ⅰ期患者进行预测,训练集准确率可达87.8%,测试集准确率可达69.7%,受试者工作特征曲线(ROC)的曲线下面积(AUC)为0.81。结论通过放射组学以及机器学习技术对WT临床分期进行预测是可行的,通过SVM分类器建立的基于6个放射组学特征的模型在区分WT临床Ⅰ期和非Ⅰ期患者有较高的准确率。
- 马晓辉丁玉爽刘婷婷闻俊杰梁佳伟王金湖赖灿周海春贾绚
- 关键词：肾母细胞瘤支持向量机
- 儿童H 5型人禽流感肺炎胸部X线表现被引量：2
- 2008年
- 贾绚章毅英马晓辉
- 关键词：流感病毒性肺炎人禽流感胸部X线表现H5急性呼吸道传染病儿童
- 放射组学精准医学在腹部肿瘤实践中的研究进展被引量：1
- 2022年
- 随着人工智能时代的到来,放射组学(Radiomics)作为一门新兴技术可以从CT、MRI等影像断层的海量数据中高通量提取大量描述肿瘤生理状况和表型特征的定量信息,并通过分析这些包含疾病病理生理信息的高维度影像组学特征,用以准确判断肿瘤的分化、分期,并预测肿瘤的行为,具有广阔的应用前景。该文旨在介绍影像组学的技术及其在腹部肿瘤实践中的应用现状,并对其在儿童腹部神经母细胞瘤中的前景挑战进行展望。
- 贾绚陈龙梁佳伟马晓辉周海春张祎
- 关键词：人工智能神经母细胞瘤医学影像
- 新路易斯湖标准在儿童心肌炎中的应用价值研究
- 2024年
- 目的 探讨新路易斯湖标准(LLC)在儿童心肌炎诊断中的应用价值。方法 回顾性分析2019年5月至2020年12月在浙江大学医学院附属儿童医院确诊为心肌炎患儿(心肌炎组)的临床资料,另纳入同期临床排除心肌炎的患儿为非心肌炎组。通过受试者工作特征曲线(ROC)分析,计算Kappa值等比较LLC与新LLC对儿童心肌炎的诊断效能。结果 心肌炎组29例,男16例、女13例,中位年龄8.8(4.2~13.4)岁。非心肌炎组50例,男27例、女23例,中位年龄9.7(6.2~13.2)岁。心肌炎组T2 mapping值、T1 native值、细胞外间质容积(ECV)均大于非心肌炎组,T1 enhanced值小于非心肌炎组,差异有统计学意义(P<0.05)。LLC、T2 mapping、T1 native、T1 enhanced、ECV值诊断心肌炎的ROC曲线下面积(AUC)分别为0.75、0.86、0.92、0.70、0.93。LLC诊断心肌炎的准确度为81.0%,灵敏度51.7%,特异度98.0%,阳性预测值93.8%,阴性预测值77.8%,阳性似然比25.85,阴性似然比0.49,LLC与临床诊断结果比较,一致性中等(Kappa=0.55,P<0.001);新LLC诊断心肌炎的准确度92.4%,灵敏度89.7%,特异度94.0%,阳性预测值89.7%,阴性预测值94.0%,阳性似然比14.95,阴性似然比0.11,新LLC与临床诊断结果比较,一致性较好(Kappa=0.84,P<0.001)。结论 新LLC在儿童心肌炎的诊断中有较好的应用价值,可有效提高诊断效能。
- 梁佳伟马晓辉贾绚
- 关键词：心肌炎磁共振儿童
- 儿童中晚期肾母细胞瘤术前经肾动脉栓塞化疗的疗效对比评价被引量：5
- 2019年
- 目的对比评价术前经肾动脉化疗栓塞(TACE)、经肾动脉灌注化疗(TAIC)和全身静脉化疗对儿童中晚期肾母细胞瘤的疗效及预后。方法回顾性分析浙江大学医学院附属儿童医院2007年1月至2018年12月经手术及病理证实的60例肾母细胞瘤。以肾母细胞瘤患儿术前44例TACE组为研究组,以术前7例TAIC组和9例静脉化疗组为对照组,对比分析三组患儿治疗前后影像学检查、治疗安全性和远期疗效的差异。观察指标有肿瘤减积率、包膜完整率、坏死率、术后不良反应及随访情况。结果TACE组、TAIC组、静脉化疗组比较,肿瘤减积率:TACE组肿瘤平均缩小46.5%,TAIC组肿瘤平均缩小28.3%,静脉化疗组肿瘤缩小23.3%,TACE组与静脉化疗组肿瘤减积率差异有统计学意义(P<0.05)。肿瘤坏死率:TACE组肿瘤均有不同程度坏死,坏死面积占46.0%~95.4%,平均75.1%±12.5%,高于静脉化疗组(65.8%±8.7%),差异有统计学意义(P<0.01)。三组患儿肿瘤包膜完整率分别为86.4%(38/44)、5/7和6/9,TACE组与静脉化疗组比较,差异有统计学意义(P<0.05)。三组患儿化疗后均行手术切除,无死亡病例。44例TACE组治疗后仅5例出现骨髓抑制,对比7例TAIC组治疗后出现4例骨髓抑制和9例静脉化疗组治疗后出现8例骨髓抑制,差异有统计学意义。TACE组随访时间20~92个月(中位时间64个月),无瘤生存率95.0%;TAIC组随访时间12~69个月(中位时间30个月),无瘤生存率43.0%;静脉化疗组随访时间16~72个月(中位时间28个月),无瘤生存率56.0%。结论术前TACE能使肿瘤缩小和坏死更明显,全身不良反应小,肿瘤完整切除率更高,手术也更安全,可有效提高生存率,更适用于临床诊疗。
- 贾绚赖灿潘海鹏周海春杨丽费正华
- 关键词：WILMS瘤儿童
- 人工智能时代的放射组学及Pyradiomics工具包在放射组学中的应用被引量：2
- 2022年
- 人工智能时代各种基于高通量自动化数据分析的放射组学技术能够自动、精准、量化提取感兴趣区的影像特征,通过大量数据化的信息挖掘隐含在影像中的组织、细胞乃至蛋白、核酸的变化,剖析感兴趣区病理生理、遗传代谢、信号转导等状态,准确判断肿瘤的分化、分期,预测肿瘤的行为,使肿瘤的精准治疗成为可能。本文就放射组学概念、工作流程、Pyradiomics工具包在放射组学中的应用及对精准医学的贡献,人工智能时代放射组学的机遇及面临的挑战等作一综述。
- 马晓辉周海春梁佳伟赖灿贾绚
- 关键词：人工智能肿瘤
- 基于放射组学的不同机器学习模型对儿童肾母细胞瘤临床分期能力的研究被引量：4
- 2022年
- 目的儿童肾母细胞瘤(WT)的分期对于治疗计划和预后预测非常重要,本研究拟利用放射组学特征进行机器学习来预测WT的临床分期。方法将2014年10月至2020年10月共计108例经病理证实的WT患者纳入研究,对患者术前腹部增强CT门静脉期的图像进行回顾性分析,勾画肿瘤感兴趣区(ROI)并进行放射组学特征提取,每例提取1781个放射组学特征;应用F检验及LASSO算法筛选与WT分期相关的放射组学特征,并采用LightGBM、Random Forest和AdaBoost这三种机器学习分类器构建模型预测WT临床分期Ⅰ期及非Ⅰ期,并绘制受试者工作特征曲线(ROC),计算曲线下面积(AUC)、精确率和准确率指标,比较不同机器学习分类器对WT临床分期的预测性能。结果 108例WT中,临床Ⅰ期46例(42.6%),非Ⅰ期62例(57.4%),LightGBM机器学习算法对测试组分类AUC值0.93(95%置信区间0.731~0.994),精确率0.89、准确率0.82,Random Forest分类器的AUC值0.82(95%CI:0.560~0.929),精确率0.80、准确率0.77,AdaBoost的AUC值0.71(95%CI:0.481~0.882),精确率0.70、准确率0.68,经DeLong检验,三种机器学习算法ROC曲线差异不明显(P>0.05)。结论通过12个放射组学特征以及机器学习技术对儿童WT临床分期进行预测可以获得较好结果,LightGBM、Random Forest和AdaBoost三种机器学习方法中,LightGBM构建的模型在WT临床Ⅰ期和非Ⅰ期分类性能较佳,有潜力服务于WT患儿的精准治疗。
- 马晓辉丁玉爽杨婧刘婷婷梁佳伟贺敏赖灿张瑞方周海春舒强贾绚
- 关键词：肾母细胞瘤体层摄影术X线计算机
