- 一种前列腺跟踪诊断用试剂盒及其应用方法
- 本发明涉及医疗用品技术领域，具体公开了一种前列腺跟踪诊断用试剂盒及其应用方法，包括试剂瓶放置座、底座和盖板；所述底座和盖板之间设置有中心轴，所述中心轴上设置有支撑台，所述支撑台设置有三层，所述试剂瓶放置座设置在支撑台上；...
- 彭涛肖建明牛翔科王云汉曾小辉陈云涛李立李佽杨进陈林
- 文献传递
- 基于前列腺影像报告和数据系统第2版的机器学习模型诊断高级别前列腺癌被引量：4
- 2018年
- 目的建立基于前列腺影像报告和数据系统第2版(PI-RADS v2)的支持向量机(SVM)、决策树(DT)和Logistic回归3种机器学习模型,评价上述模型对高级别前列腺癌的诊断价值。方法回顾性分析于我院接受前列腺多参数MR扫描并取得病理结果的194例患者的资料,其中高级别癌63例,非高级别癌131例。将评价因素(PI-RADS v2评分、年龄、游离前列腺特异抗原、前列腺特异性抗原比值、前列腺特异抗原密度)录入SVM、DT和Logistic回归3种机器学习模型进行诊断,通过ROC曲线评价PI-RADS v2评分和3种机器学习模型诊断高级别前列腺癌的价值。结果PI-RADS v2、SVM、DT和Logistic回归模型诊断高级别前列腺癌的敏感度分别为72.73%、69.09%、87.27%和70.91%;特异度分别为87.29%、93.22%、93.22%和95.76%。DT模型诊断高级别前列腺癌ROC的AUC(AUC=0.90,P<0.01)最大,且与PI-RADS v2评分、SVM、Logistic回归比较差异均有统计学意义(P均<0.05)。结论 PI-RADS v2评分、SVM、DT和Logistic回归模型诊断高级别前列腺癌的价值均较好。
- 曾小辉彭涛高月琴牛翔科陈雪卉张仕慧陈志凡
- 关键词：前列腺肿瘤支持向量机决策树LOGISTIC模型
- 临床显著性前列腺癌的影像临床组学诊断模型的建立与时间验证
- 2022年
- 目的通过时间验证评价基于多参数磁共振成像(mp-MRI)、纹理分析与临床资料所建立的复合机器学习模型对临床显著性前列腺癌(csPCa)的诊断效能和稳定性。方法回顾性分析246例前列腺mp-MRI的患者资料,将mp-MRI相关特征(包括PI-RADS V2.1评分、动态增强定量参数)、纹理分析和部分临床参数进行组合,进行降维和特征选择,建立SVM和Logistic模型,并进行内部验证和时间验证,分别运用受试者工作特征曲线、决策曲线分析(DCA)比较两模型的诊断效能及临床获益。结果优选出的关键参数有:T_(2).Quantile10、T_(2).Quantile95、ADC.MinIntensity、ADC.Uniformity、ADC.Quantile75、ImageStd、VeStd、Ve0.1、Vp0.75、TTPMax、DWI(PI-RADS)、PIRADS、age、tPSA,Logistic模型中T_(2).Quantile95为csPCa独立预测参数(P<0.05)。SVM和Logistic模型对内部验证组进行分类的曲线下面积(AUC)分别为0.96、0.88,对时间验证组进行分类的AUC分别为0.80和0.77,两种模型的AUC之间的差异无统计学意义(P>0.05);内部验证组与时间验证组两模型的AUC之间的差异有统计学意义(P<0.05)。DCA表明:概率阈值为0.12~0.49时,Logistic模型净获益高于SVM模型;概率阈值为0.50~0.95时,SVM模型净获益高于Logistic模型。结论14个关键参数中T_(2).Quantile95为独立预测参数,基于这些参数建立的Logistic与SVM模型对csPCa都能取得较好的诊断效能,两模型的稳定性较好,概率阈值<0.5时,Logistic模型的净获益较大,概率阈值>0.5时,SVM模型的净获益较大。
- 李林伍兵彭涛肖建明吕赛群曾小辉
- 关键词：机器学习模型
- 基于bp-MRI和VB-Net的临床显著性前列腺癌自动分割和机器学习分类的研究被引量：2
- 2022年
- 目的评价基于双参数MRI的深度学习自动分割与机器学习分类模型,探索其在临床显著性前列腺癌(CSPC)诊断中的应用。方法纳入409例前列腺患者MRI检查资料,在DWI、ADC和T;WI中应用VB-Net模型分别进行病灶自动分割和腺体自动分割,生成感兴趣区(ROI),病灶自动分割时将分割阈值设置为不同数值分别重复进行。分别提取病灶ROI和腺体ROI中的纹理特征,进行Lasso特征选择,建立、训练随机森林、支持向量机和Logistic回归模型并进行验证。结果病灶分割中分割阈值分别为0.9、0.5、0.1时,假阴性率分别为0.462、0.273、0.182,假阳性率分别为0.134、0.419、0.661;当分割阈值设为0.5,病灶自动分割后进行纹理分析和机器学习分类,3种模型ROC曲线的AUC为0.76~0.792;腺体分割后进行纹理分析和机器学习分类,3种模型ROC曲线的AUC为0.827~0.855。结论采用基于前列腺bp-MRI的VB-Net模型对CSPC病灶具有一定的自动分割、分类能力,结合进一步的机器学习能较好地诊断CSPC;VB-Net模型对腺体自动分割后再进行机器学习分类,也对CSPC有较好的诊断价值。在提高全自动病灶自动分割能力方面还需要进一步的深入研究。
- 彭涛肖建明李林蒲冰洁夏朝阳牛翔科王宗勇曾小辉陈林杨进李佽
- 关键词：前列腺癌纹理分析
- 基于深度神经网络的机会性CT骨质疏松筛查和骨密度预测研究
- 2024年
- 目的建立并评价基于机会性CT检查的骨质疏松筛查分类和骨密度值预测的深度学习神经网络模型。方法以定量计算机断层扫描(Quantitative Computed Tomography,QCT)骨密度测定为标准,将199例机会性CT检查数据用于建立密集卷积网络的深度学习神经网络的骨密度二分类模型和骨密度值预测回归模型,以五折交叉验证和随机分组的方法进行测试,并以来自不同设备的42例机会性CT检查病例进行独立测试,计算和评价模型的性能参数。结果受试者工作特征(Receiver Operating Characteristic,ROC)曲线显示:骨密度二分类模型的测试集和独立测试集的ROC曲线下面积均值分别为0.974、0.938,测试集的F1得分、召回率、精准度、特异性、准确度均≥0.91,独立测试集的上述评价参数均>0.862。在训练集、测试集和独立测试集上,骨密度值预测回归模型的平均绝对误差分别为1.42、8.52和13.89,均方根误差分别为1.93、10.80、20.36,预测值与QCT骨密度值呈极强正相关。结论基于机会性CT检查的深度学习神经网络模型对骨密度正常和降低具有较强的分类能力,且可较准确地预测骨密度值,避免多余的辐射风险,减少时间、经济消耗,有效扩大骨质疏松筛查的范围。
- 彭涛曾小辉李洋李曼蒲冰洁植彪王永芹
- 关键词：人工智能骨密度卷积神经网络
- 基于多参数MRI及影像组学建立机器学习模型诊断临床显著性前列腺癌被引量：32
- 2019年
- 目的建立基于多参数MRI(mpMRI)和影像组学特征的机器学习模型,评价其诊断临床显著性前列腺癌(CSPC)的价值。方法结合纹理分析、MR动态增强定量分析、前列腺影像报告与数据系统(PI-RADS)评分和部分临床资料建立Logistic回归(LR)、逐步回归(SR)、经典决策树(cDT)、条件推断树(CIT)、随机森林(RF)和支持向量机(SVM)模型,运用ROC曲线和决策曲线分析法(DCA)评价上述模型和变量的重要性。结果验证组中RF模型诊断CSPC的AUC大于SVM、cDT、SR模型(P均<0.05),RF模型与LR、CIT模型诊断CSPC的AUC差异无统计学意义(P均>0.05),其余各模型间诊断CSPC的AUC差异无统计学意义(P均>0.05)。概率阈值为16%~91%时,RF模型的净获益最大,优于其他模型;概率阈值为23%~91%时,SVM模型的净获益仅次于RF模型而优于其他模型。前列腺特异性抗原密度(PSAD)和部分纹理分析参数的重要性较高。结论RF模型诊断CSPC优于其他模型,SVM模型次之。PSAD和纹理分析相关参数诊断CSPC的重要性高于PI-RADS评分和动态增强MRI定量参数。
- 彭涛肖建明张仕慧蒲冰洁高月琴牛翔科王宗勇曾小辉杨进李佽
- 关键词：前列腺肿瘤纹理分析
- 一种前列腺穿刺的标本盒
- 本实用新型涉及医疗用品技术领域，具体公开了一种前列腺穿刺的标本盒，包括标本盒上盖、标本盒盒体、标本瓶放置孔，所述标本盒盒体包括上层盒体、中层盒体和下层盒体；所述中层盒体的上部与上层盒体的底部相连接，所述中层盒体的底部与下...
- 彭涛肖建明牛翔科王云汉曾小辉陈云涛李立李佽杨进陈林
- 文献传递
- 三阴性乳腺癌与非三阴性乳腺癌mp-MRI征象的Logistic回归分析模型的建立及其预测价值
- 2023年
- 目的探究基于多参数MRI乳腺动态增强特征Logistic回归分析模型鉴别三阴性乳腺癌与非三阴性乳腺癌的临床价值。方法搜集2014年1月至2020年6月行乳腺动态增强MRI检查,病理证实为乳腺癌的194例病例纳入研究,并根据病理结果分为68例三阴性组和126例非三阴性组。比较分析两组间多参数MRI征象,用秩和检验进行单因素分析,将有统计学意义的指标作为主要风险预测因子,用多因素Logistic回归建立风险预测模型,运用受试者工作特征曲线(ROC)分析Logistic回归模型的诊断效能。结果单因素分析显示,肿瘤更大、边界不清晰、乳头受累、伴有同侧淋巴结单发转移以及乳腺影像报告和数据系统(BI-RADS)分级更高时等因素具有统计学意义(P<0.05),多因素分析表明BI-RADS分类、乳腺肿块边界不清、伴同侧淋巴结单发转移、有乳头受累是鉴别三阴性乳腺癌与非三阴性乳腺癌的独立预测指标(P<0.05),运用独立预测因子绘制的曲线下面积(AUC)为0.907,用Logistic回归模型预测三阴性乳腺癌的准确率、敏感度、特异度、阳性预测值、阴性预测值分别为0.887、0.960、0.750、0.877、0.911。结论多参数MRI征象的Logistic回归分析模型对三阴性乳腺癌与非三阴性乳腺癌鉴别有重要的诊断价值。
- 吕赛群李立植彪邓相容黄港华李林曾小辉王永芹
- 关键词：三阴性乳腺癌LOGISTIC回归
- 一种前列腺跟踪诊断用试剂盒及其应用方法
- 本发明公开了一种前列腺跟踪诊断用试剂盒及其应用方法，属于试剂盒技术领域，括盒体，盒体的两个相对的内侧壁均开设有若干条水平轨道，同一水平的两条水平轨道均共同滑动安装有试剂箱，且最顶端的两条水平轨道除外，每个试剂箱的两个相对...
- 彭涛肖建明牛翔科王云汉曾小辉陈云涛李立李佽杨进陈林
- 多层螺旋CT诊断宫颈癌淋巴结转移的效果分析被引量：3
- 2019年
- 目的:探究多层螺旋CT诊断宫颈癌淋巴结转移的效果。方法:从2016年1月到2018年1月到我院就诊的宫颈癌患者中随机抽取43例宫颈癌淋巴结转移患者作为研究对象,全部患者均行相同的多层螺旋CT检查以及超声检查,对比两种诊断方式的诊断符合率、灵敏度、特异度。结果:两种诊断方式的诊断符合率对比,差异不具有统计学意义(P> 0.05);多层螺旋CT诊断的灵敏度和特异度与超声诊断相比,差异不具有统计学意义(P> 0.05)。结论:多层螺旋CT、超声诊断宫颈癌淋巴结转移均具有较高的应用价值,每种检查方式均具有不同的优点,可以根据患者的症状表现选择合适的诊断方式。
- 段玉梅曾小辉王永芹张庆李小民
- 关键词：多层螺旋CT超声检查
