公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

胰腺癌的影像学诊断进展被引量：3: 2017年; 目的总结目前临床应用的主要影像学方法在胰腺癌诊断方面的应用及进展。方法收集并复习国内外相关文献。结果超声、计算机断层扫描、磁共振成像及正电子发射断层显像是目前临床上最常用的影像学诊断方法。结论超声、计算机断层扫描、磁共振成像及正电子发射断层显像在胰腺癌诊断方面各具优势,计算机断层扫描是主流方法,磁共振成像的发展趋势非常可观。; 于浩鹏黄子星宋彬; 关键词：胰腺癌超声计算机断层扫描磁共振正电子发射断层显像

CT特征鉴别非富血供胰腺神经内分泌肿瘤与胰腺导管腺癌的初步研究被引量：3: 2018年; 目的探索能用于鉴别非富血供胰腺神经内分泌肿瘤(pNEN)与胰腺导管腺癌(PDAC)的CT特征。方法回顾性纳入四川大学华西医院2010年5月至2017年5月期间经过病理确诊为非富血供pNEN和PDAC的患者,分析二者的CT特征,通过多元逻辑回归筛选CT特征并计算其诊断效能。结果 40例非富血供pNEN(无功能性33例,功能性7例)及80例PDAC患者纳入本研究。非富血供pNEN与PDAC间差异有统计学意义的特征包括肿瘤位置、肿瘤长径、肿瘤边界、肿瘤实质均匀、肿瘤内钙化及肿瘤内血管影(P<0.05)。将各项有统计学意义的特征经过多元逻辑回归分析后提示肿瘤边界[OR为14.63,95%CI为(2.82,75.99)]、肿瘤内钙化[OR为4.00,95%CI为(1.03,15.59)]及肿瘤位置[OR为3.09,95%CI为(1.19,7.99)]能够独立鉴别出非富血供pNEN。再根据有统计学意义的特征最终得出非富血供pNEN与PDAC鉴别诊断的多元逻辑回归模型,其诊断敏感度为70.00%,95%CI为(53.5, 83.4);特异度为83.54%,95%CI为(73.5,90.9);受试者工作特征曲线下面积为0.824,95%CI为(0.743,0.887)。结论 CT特征多元逻辑回归模型可应用于非富血供pNEN与PDAC鉴别诊断,其中肿瘤边界及肿瘤内钙化特征在非富血供pNEN与PDAC鉴别诊断中有一定的应用价值。; 黄子星于浩鹏李谋汪翊宋彬; 关键词：胰腺神经内分泌肿瘤胰腺导管腺癌 CT

CT图像纹理分析评估胰腺神经内分泌肿瘤的病理分级被引量：13: 2018年; 目的:探讨CT图像纹理分析对胰腺神经内分泌肿瘤(Pancreatic neuroendocrine neoplasm,PNEN)病理分级的诊断价值。方法:回顾性分析109例经手术或病理活检确诊为胰腺神经内分泌肿瘤患者的CT动脉期及门脉期图像,ITK-Snap软件手动勾画感兴趣区(ROI),A.K.软件提取ROI纹理特征,采用最小绝对收缩与选择算子(The least absolute shrinkage and selection operator,LASSO)降维运算获取纹理特征及其受试者工作特征曲线下面积(AUROC)。结果:筛选出动脉期纹理特征共5个,分别为熵(GLCMEntropy_AllDirection_offset7_SD)、峰度(kurtosis)、肿瘤在三维空间内的最大直径(Maximum 3D diameter)、变换后形成的正态曲线内0.025分位处的数值(Quantile0.025)及肿瘤表面积与体积的比值(Surface volume ratio),其AUROC分别为0.715、0.529、0.724、0.672及0.698,门静脉期特征2个,为肿瘤在三维空间内的最大直径及肿瘤表面积与体积的比值,其AUROC分别为0.722及0.703。结论:CT图像纹理分析可用于判断PNEN的病理分级。; 于浩鹏李谋张琳杨成敏张永嫦宋彬; 关键词：胰腺肿瘤

CT图像纹理分析鉴别乏血供胰腺神经内分泌肿瘤与胰腺导管腺癌被引量：11: 2018年; 目的探讨采用CT图像纹理分析鉴别乏血供胰腺神经内分泌肿瘤(pancreatic neuroendocrine tumors,PNET)和胰腺导管腺癌(pancreatic ductal adenocarcinomas,PDAC)的可行性。方法回顾性分析四川大学华西医院于2009年1月至2017年1月期间收治的经病理学检查证实的乏血供PNET(共计15个病灶)和PDAC(共30个病灶)的CT资料。结果利用Ma Zda软件中的费希尔参数法(Fisher)+最小分类误差与最小平均相关系数法(PA)+相关信息测度法(MI)联合法自动选择出30个最佳纹理特征,在动脉期的频率分布为:共生矩阵18个,游程矩阵10个,自回归模型2个;在门静脉期的频率分布为:共生矩阵15个,游程矩阵10个,灰度直方图1个,绝对梯度1个,自回归模型3个。在动脉期和门静脉期中,Teta2均为诊断效能最高的单个纹理特征,其曲线下面积(AUC)值分别为0.829和0.740(P<0.001,P=0.009)。利用Ma Zda自带的B11数据分析模块分析30个最佳纹理特征,在动脉期,原始数据分析(RDA)/K邻近分类(KNN)法、主成分分析(PCA)/KNN法、线性判别分析(LDA)/KNN法和非线性判别分析(NDA)/人工神经网络(ANN)法的错判率分别为28.89%(13/45)、28.89%(13/45)、0(0/45)及4.44%(2/45);在门静脉期,RDA/KNN、PCA/KNN、LDA/KNN及NDA/ANN法的错判率分别为35.56%(16/45)、33.33%(15/45)、4.44%(2/45)及11.11%(5/45)。结论 CT图像纹理分析鉴别乏血供PNET与PDAC是可行的,其中纹理特征"Teta2"具有较高的诊断效能,动脉期LDA/KNN法具有最小的错判率。; 张永嫦于浩鹏李谋黄子星宋彬; 关键词：CT 图像纹理分析胰腺导管腺癌

CT图像纹理分析鉴别不典型胰腺实性假乳头状肿瘤与胰腺导管腺癌的初步研究被引量：3: 2018年; 目的探讨采用CT图像纹理分析鉴别不典型的胰腺实性假乳头状肿瘤(pancreatic solid pseudopapillary tumor,SPT)和胰腺导管腺癌(pancreatic ductal adenocarcinoma,PDAC)的可行性。方法回顾性分析四川大学华西医院经病理学检查证实的不典型SPT(共计26个病灶)和PDAC(共52个病灶)患者的CT资料。利用ITK-Snap软件于动脉期(arterial phase,AP)及门静脉期(portal venous phase,PVP)CT图像上勾画三维(three-dimensional,3D)感兴趣区(region of interest,ROI),利用A.K.软件(GE公司,美国)自动提取ROI处的图像纹理特征。应用R软件行参数间的相关性分析以去除冗余的纹理特征后,剩余的纹理特征应用单因素及多因素二分类logistic回归筛选纹理特征,并建立回归模型。应用受试者工作特征(receiver operating characteristic,ROC)曲线分析比较纹理特征与模型鉴别不典型SPT及PDAC的诊断效能。结果共提取了792个纹理特征(AP396个,PVP 396个),去冗余后剩余61个特征(AP 35个,PVP 26个)。二分类logistic回归分析选择出2个纹理特征为独立危险因素(AP下为MinIntensity,PVP下为Correlation_AllDirection_offset1_SD),其鉴别不典型的SPT和PDAC的灵敏度、特异度分别为71.15%、76.92%和63.46%、76.92%,曲线下面积(AUC)分别为0.740和0.754。应用上述2个纹理特征建立二分类logistic模型后,其模型灵敏度和特异度分别为73.08%及80.77%,AUC值为0.796。2个纹理特征和logistic模型的诊断效能比较差异无统计学意义(P>0.05)。结论 CT图像纹理分析鉴别不典型SPT与PDAC是可行的,具有中等的诊断效能。; 黄子星李谋于浩鹏汪翊宋彬; 关键词：CT图像纹理分析胰腺实性假乳头状肿瘤胰腺导管腺癌

基于CiteSpace的胰腺神经内分泌肿瘤影像研究的科学知识图谱分析被引量：5: 2019年; 目的了解当前胰腺神经内分泌肿瘤(pNEN)影像研究领域的现状及热点问题。方法检索1998–2018年期间Web of Science核心数据库中有关pNEN研究的相关论文,采用文献计量学方法,通过CiteSpace软件进行定量分析。结果共检索到pNEN影像研究领域文献190篇,其中发表文献数量居前3位的国家为美国、德国及意大利。pNEN共被引文献的聚类包括:超声内镜、诊断现状、前瞻性评估、囊性胰腺神经内分泌瘤、富血供神经内分泌瘤、无功能胰腺神经内分泌瘤、体素内不相干运动及转移灶。pNEN研究领域热点词包括:细针穿刺活检、CT、诊断、胰腺、癌症、神经内分泌瘤、肿瘤、癌、管理。研究热点关键词聚类有:神经内分泌瘤、胰腺肿块大小、非高功能神经内分泌瘤、CT表现、转移灶、辅助研究、生长抑素类似物、生长抑素、术中超声及多发性内分泌瘤病Ⅰ型。结论 pNEN的精准影像学诊断仍然是该领域的热点问题。; 黄子星李谋于浩鹏汪翊宋彬; 关键词：胰腺神经内分泌肿瘤诊断影像文献计量学分析

全选清除导出

共1页<1>

于浩鹏

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

于浩鹏

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈