|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | Radiomics and machine learning applications in rectal cancer:Current update and future perspectives显示文摘The high incidence of rectal cancer in both sexes makes it one of the most common tumors,with significant morbidity and mortality rates.To define the best treatment option and optimize patient outcome,several rectal cancer biological variables must be evaluated.Currently,medical imaging plays a crucial role in the characterization of this disease,and it often requires a multimodal approach.Magnetic resonance imaging is the first-choice imaging modality for local staging and restaging and can be used to detect high-risk prognostic factors.Computed tomography is widely adopted for the detection of distant metastases.However,conventional imaging has recognized limitations,and many rectal cancer characteristics remain assessable only after surgery and histopathology evaluation.There is a growing interest in artificial intelligence applications in medicine,and imaging is by no means an exception.The introduction of radiomics,which allows the extraction of quantitative features that reflect tumor heterogeneity,allows the mining of data in medical images and paved the way for the identification of potential new imaging biomarkers.To manage such a huge amount of data,the use of machine learning algorithms has been proposed.Indeed,without prior explicit programming,they can be employed to build prediction models to support clinical decision making.In this review,current applications and future perspectives of artificial intelligence in medical imaging of rectal cancer are presented,with an imaging modality-based approach and a keen eye on unsolved issues.The results are promising,but the road ahead for translation in clinical practice is rather long. | Arnaldo Stanzione Francesco Verde Valeria Romeo Francesca Boccadifuoco Pier Paolo Mainenti Simone Maurea | 2021 | World Journal of Gastroenterology2021，27，32： | 10 |
| 2 | 血清AIb、PA、NLR水平在直肠癌术后发生吻合口瘘评估中的应用显示文摘目的:探讨血清白蛋白(AIb)、前白蛋白(PA)、中性粒细胞与淋巴细胞比值(NLR)水平在直肠癌术后发生吻合口瘘评估中的应用。方法:选择2018年6月至2019年12月于我院进行直肠癌手术患者90例患者进行研究,其中38例发生术后吻合口瘘,设为研究组,52例未发生吻合口瘘作为对照组。分析患者术后血清AIb、PA、NLR水平变化情况,采用受试者工作特征曲线分析血清AIb、PA、NLR对术后发生吻合口瘘的评估作用。结果:研究组血清AIb、PA水平显著低于对照组,NLR水平显著高于对照组,差异显著(P<0.05);造口组术后血清AIb、PA水平显著高于未造口组,NLR水平显著低于未造口组,差异显著(P<0.05);ROC结果显示,血清AIb预测术后吻合口瘘的AUC为0.967,灵敏度为81.25%,特异度为90.14%,截断值为33.06 g/L;血清PA预测术后吻合口瘘的AUC为0.772,灵敏度为80.36%,特异度为89.56%,截断值为119.04 mg/L;血清NLR预测术后吻合口瘘的AUC为0.991,灵敏度为85.62%,特异度为93.23%,截断值为6.86。结论:监测血清AIb、PA、NLR水平有助早期发现直肠癌患者术后吻合口瘘。 | 贺荔枝 李克亚 曾娟妮 尹明 王真权 | 2021 | 现代生物医学进展2021，21，13： | 5 |
| 3 | 影像组学在结直肠癌中应用的研究进展显示文摘结直肠癌(CRC)是全世界第三大常见恶性肿瘤,具有很高的发病率和病死率。术前评估和预测风险分级、治疗反应、长期临床结果和基因突变状态,对于指导个性化治疗方案的优化至关重要。近年来大量研究评估了影像组学对CRC的诊断和预测的价值,本文在现有研究的基础上,首先介绍影像组学的工作流程,然后对肿瘤淋巴转移、同步/异时肝转移、新辅助放化疗反应和预后以及评估基因突变状态方面的研究进展进行综述。最后,探讨CRC的影像组学面临的挑战和发展趋势,目的在于在精准医学时代使相关技术人员能从本文中得到借鉴并受益。 | 赵彤 胡星月 杨伟振 | 2023 | 中国医药科学2023，13，5： | 4 |
| 4 | 人工智能应用于食管癌临床诊疗的专家共识显示文摘一、我国食管癌的诊疗现状食管癌居中国恶性肿瘤发病率第六位,死亡率第四位,是我国常发、危害重大的疾病[1]。全球每年新增食管癌患者近50%来自于中国,90%为食管鳞癌[2]。食管癌具有高浸润性和淋巴结跳跃性转移的特点,早期症状隐匿难以发现,中晚期食管梗阻、病灶浸润和转移严重影响患者生活质量及生存预后。食管癌的主要治疗方法如手术、化疗、放疗及靶向治疗等已在我国广泛推广,但我国患者的五年生存率仅为30.3%,是我国必须自主攻克的重大疾病[3-4]。因此,如何早期诊断及精准治疗是食管癌临床诊疗的重大难题,是提高五年生存率的关键[3]。 | 中国医院协会介入医学中心分会 单鸿 田捷 | 2021 | 中华介入放射学电子杂志2021，9，3： | 3 |
| 5 | 影像组学与深度学习在评价直肠癌淋巴结状态中的应用显示文摘术前是否存在淋巴结转移是影响直肠癌临床治疗决策和预后的主要因素之一, 但现有的影像学标准难以准确判断淋巴结的良恶性, 亟需新的方法来解决这一临床难题。近年来影像组学与深度学习在医学影像领域得到了广泛的关注, 可自动检测与分割淋巴结、鉴别良恶性淋巴结及预测淋巴结转移的发生等, 有望提高术前分期的准确性, 进而指导治疗决策。然而不同的研究间结果差异性较大, 其中一个重要的原因是各研究之间工作流程存在差异。只有明确、统一并标准化具体操作流程、开展大规模前瞻性外部验证才能实现人工智能辅助诊断模型的转化与推广。该文中以影像组学和深度学习的工作流程为线索, 对其在评价直肠癌淋巴结状态方面的研究进行综述。 | 李清扬 张晓燕 孙应实 | 2023 | 中华放射学杂志2023，57，2： | 3 |
| 6 | 直肠癌影像组学研究进展显示文摘随着现代生活方式的转变及生活质量的提高,直肠癌的发生率及检出率也在不断提高.直肠癌的影像学研究正在从简单的功能成像研究转为数据量更大的、维度更多的组学研究.影像组学是指从超声(ultrasound,US)、CT、MRI以及正电子发射计算机断层成像(positron emission computed tomography,PET-CT)等医学图像中高通量地获取影像信息,进行特征的提取、筛选降维及模型构建,为临床诊断、治疗以及预后分析提供可靠的参考信息[1].直肠癌的影像组学研究对术前无创评估患者的治疗应答以及远期生存和预后提供了帮助. | 孙丹琦(综述) 李勇刚(审校) | 2021 | 实用放射学杂志2021，37，7： | 1 |
| 7 | 基线MRI中直肠癌原发灶与淋巴结交互特征预测新辅助治疗后淋巴结状态显示文摘目的:探索基线直肠癌磁共振成像(magnetic resonance imaging,MRI)图像中原发灶与淋巴结特征的交互作用对于新辅助治疗后淋巴结状态的预测能力。方法:回顾并收集229例局部进展期直肠癌的基线MRI数据和淋巴结病理学检查结果。由3名影像科医师在基线直肠癌MRI图像中手动勾画肿瘤原发灶和体积最大淋巴结感兴趣区,并分别提取2个区域各41个影像学特征,并计算两者的交互项41个。参照淋巴结的病理学检查结果计算每一个肿瘤原发灶特征、淋巴结特征以及其交互项的受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积(area under curve,AUC)。结果:将123个影像学特征按照AUC值降序排列,其前41个特征中有21个属于交互项。灰度共生矩阵对比度特征交互项的AUC为0.7276,高于单独使用原发灶的对比度特征(AUC=0.5553,P=0.0008)或淋巴结的对比度特征(AUC=0.7139,P=0.0384)。一阶特征中灰度总和特征交互项预测淋巴结病理学状态的AUC为0.7135,高于单独使用原发灶的灰度总和特征(AUC=0.5676,P=0.0031)或淋巴结的灰度总和特征(AUC=0.6908,P=0.0120)。结论:相对于单独使用直肠癌MRI图像中的肿瘤原发灶或淋巴结特征,二者的交互项能够更准确地对新辅助治疗后淋巴结病理学状态进行预测。 | 朱海涛 张晓燕 李晓婷 史燕杰 朱汇慈 王林 武爱文 孙应实 | 2022 | 肿瘤影像学2022，31，2： | 1 |
| 8 | Deep learning model improves radiologists'performance in detection and classification of breast lesions显示文摘Objective:Computer-aided diagnosis using deep learning algorithms has been initially applied in the field of mammography,but there is no large-scale clinical application.Methods:This study proposed to develop and verify an artificial intelligence model based on mammography.Firstly,mammograms retrospectively collected from six centers were randomized to a training dataset and a validation dataset for establishing the model.Secondly,the model was tested by comparing 12 radiologists’performance with and without it.Finally,prospectively enrolled women with mammograms from six centers were diagnosed by radiologists with the model.The detection and diagnostic capabilities were evaluated using the freeresponse receiver operating characteristic(FROC)curve and ROC curve.Results:The sensitivity of model for detecting lesions after matching was 0.908 for false positive rate of 0.25 in unilateral images.The area under ROC curve(AUC)to distinguish the benign lesions from malignant lesions was0.855[95%confidence interval(95%CI):0.830,0.880].The performance of 12 radiologists with the model was higher than that of radiologists alone(AUC:0.852 vs.0.805,P=0.005).The mean reading time of with the model was shorter than that of reading alone(80.18 s vs.62.28 s,P=0.032).In prospective application,the sensitivity of detection reached 0.887 at false positive rate of 0.25;the AUC of radiologists with the model was 0.983(95%CI:0.978,0.988),with sensitivity,specificity,positive predictive value(PPV),and negative predictive value(NPV)of94.36%,98.07%,87.76%,and 99.09%,respectively.Conclusions:The artificial intelligence model exhibits high accuracy for detecting and diagnosing breast lesions,improves diagnostic accuracy and saves time. | Yingshi Sun Yuhong Qu Dong Wang Yi Li Lin Ye Jingbo Du Bing Xu Baoqing Li Xiaoting Li Kexin Zhang Yanjie Shi Ruijia Sun Yichuan Wang Rong Long Dengbo Chen Haijiao Li Liwei Wang Min Cao | 2021 | Chinese Journal of Cancer Research2021，33，6： | 1 |
| 9 | 直肠癌淋巴结转移诊断研究进展显示文摘直肠癌淋巴结转移的诊断策略一直是外科领域研究的热点,目前,在手术前临床上通常以淋巴结的大小及形态学改变来判断淋巴结是否存在转移,但这种方法的准确性仍有待提高。近期研究提出临床危险因素构建淋巴结转移预测模型、影像组学模型、卷积神经网络模型等可更充分地利用患者临床检验及检查指标,提高直肠癌淋巴结转移的诊断效能,有助于直肠癌的个体化治疗。本文主要对直肠癌淋巴结转移的诊断方法进展进行综述,以期探讨高效能的直肠癌淋巴结转移诊断模型的可行性。 | 杨红杰 张智春 孙轶 | 2023 | 中华结直肠疾病电子杂志2023，12，6： | 0 |
| 10 | 人工智能在肿瘤学教学中应用的前景分析显示文摘人工智能及其衍生技术已引入多个领域中进行实践应用,包括药物发现、远程病人监测、诊断、风险管理和医院管理等。在肿瘤学领域中,人工智能与机器学习亦开始初步发展,并展现出巨大的应用潜力,为未来的肿瘤学信息化智能教学模式提供了广阔的发展空间。肿瘤领域的教学可依托人工智能在肿瘤各领域的应用从传统的医学教育模式过渡到智能教学模式,拓宽医学生和年轻医师获取知识的途径和方式,促进医学教学模式的更新换代。本文从人工智能在肿瘤病理学诊断、肿瘤影像学诊断、放射肿瘤学、肿瘤外科治疗、肿瘤治疗方案决策等五个方面的应用切入,探讨人工智能在未来肿瘤教学实践中应用的发展前景。 | 赵紫晨 张衍 | 2022 | 数理医药学杂志2022，35，10： | 0 |
| 11 | 重视影像组学在结直肠癌精准诊疗中的研究与应用显示文摘基于影像组学的精准诊断和治疗决策系统已成为当代医学的重要工具,在临床诊疗工作中发挥出越来越重要的作用。近年来,结直肠癌诊疗的各个环节也逐步引入影像组学,通过影像组学对医学图像的深度挖掘和分析,可发现其中所蕴含的潜在生物学信息。拟从影像组学对结直肠癌的精确诊断、个体化治疗、预后预测,以及面临的挑战4个方面进行概述,并简要介绍本期专栏的相关论文,以期促进影像组学在结直肠癌精准诊疗中的应用。 | 王嵩 | 2022 | 中国中西医结合影像学杂志2022，20，6： | 0 |
| 12 | 影像组学在局部进展期直肠癌新辅助放化疗中的预测价值显示文摘目的总结影像组学(radiomics)对局部进展期直肠癌(locally advanced rectal cancer,LARC)新辅助放化疗(neoadjuvant chemoradiotherapy,NCRT)疗效的预测价值。方法通过查阅总结相关文献,对影像组学的研究方法及其在LARC行NCRT的疗效评价方面的预测价值进行总结。结果在NCRT后是否达到病理完全缓解(pathologic complete response,pCR)、治疗有效或无效方面,影像组学均具有良好的预测价值。结论影像组学是一项新兴的影像学诊断技术,在LARC行NCRT疗效的预测中发挥着重要作用。 | 李峥艳 汪晓东 黄子星 宋彬 | 2020 | 中国普外基础与临床杂志2020，27，8： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员