【摘 要】
：
目的:探讨多种卷积神经网络基于多序列及多维度磁共振成像（Magnetic resonance imaging,MRI）术前鉴别诊断高级别胶质瘤（High-grade gliomas,HGGs）与单发脑转移瘤（Brain metastases,BMs）的价值,并对基于不同卷积神经网络在不同序列及维度下所建立的模型性能分别进行比较,选取最佳组合的深度学习（Deep learning,DL）模型对HGG
论文部分内容阅读
目的:探讨多种卷积神经网络基于多序列及多维度磁共振成像（Magnetic resonance imaging,MRI）术前鉴别诊断高级别胶质瘤（High-grade gliomas,HGGs）与单发脑转移瘤（Brain metastases,BMs）的价值,并对基于不同卷积神经网络在不同序列及维度下所建立的模型性能分别进行比较,选取最佳组合的深度学习（Deep learning,DL）模型对HGGs与BMs进行鉴别。方法:回顾性收集兰州大学第二医院2016年6月-2021年6月经手术病理证实的230例HGGs和111例BMs的T2WI及T1WI对比增强（T1C）图像,预先勾画出2.5D模型下肿瘤区域的感兴趣区（Region of interest,ROI）和3D模型下的感兴趣区体积（Volume of interest,VOI）作为输入数据,所有病例以7:3比例随机分为训练集（n=254）和验证集（n=87）。在模型的训练过程中使用数据增强方法来减弱过拟合的影响,运用Log损失函数计算模型参数的更新梯度,采用参数优化算法Adam对学习率进行约束,应用Step LR方法等间隔调整学习率,最终基于DenseNet和ResNet卷积神经网络在2.5D和3D维度下分别构建T2WI、T1C及两种序列融合的预测模型（T2-net、T1C-net和TS-net）,通过受试者工作特征曲线（Receiver operating characteristic curve,ROC）的曲线下面积（Area under the curve,AUC）、准确性、敏感度和特异度对各个模型预测效能分别进行评价,并通过Delong’s检验对不同序列、不同维度及不同卷积神经网络所建模型ROC曲线的差异性进行成对比较。结果:1、DenseNet模型与ResNet模型的ROC曲线结果比较,在3D模型的T1C-net、T2-net和TS-net模型中（训练集:DenseNet vs ResNet=0.852 vs 0.748、0.802 vs 0.741、0.856 vs 0.809;验证集:DenseNet vs ResNet=0.853 vs 0.744、0.721vs 0.671、0.745 vs 0.726）,在2.5D模型的T1C-net、T2-net和TS-net模型中（训练集:DenseNet vs ResNet=0.831 vs 0.789、0.784 vs 0.757、0.781 vs 0.744;验证集:DenseNet vs ResNet=0.742 vs 0.738、0.717 vs 0.716、0.728 vs 0.696）,DenseNet模型性能均优于ResNet模型,Delong’s检验显示模型之间差异均有统计学意义（P＜0.05）。2、T1C、T2和TS模型之间比较,T1C-net模型性能优于T2-net（3D-DenseNet模型的AUC值:0.852 vs 0.802;2.5D-DenseNet模型的AUC值:0.831 vs 0.784）,Delong’s检验显示差异均有统计学意义（P＜0.05）,而T1C-net与TS-net模型之间性能差异不大（P＞0.05）。3、3D模型与2.5D模型相比较,仅T2-net模型之间性能差异有统计学意义（P＜0.05）;在T1C-net和TS-net模型中,3D模型与2.5D模型无统计学差异（P＞0.05）。4、通过对不同组合模型的鉴别性能进行综合比较,基于3D-DenseNet的T1C-net模型的性能最优,训练集的准确率为80.3%,敏感度为92.0%,特异度为54.4%,ROC曲线下面积（AUC）为0.852,验证集的准确率为80.5%,敏感度为90.9%,特异度为62.5%,AUC值为0.853。结论:基于DenseNet与ResNet卷积神经网络结合MRI的T2WI及T1C常规序列分别建立2.5D和3D模型鉴别HGGs与单发BMs均具有较好的诊断效能,在鉴别两种肿瘤时DenseNet模型优于ResNet模型,同时T1C序列所建模型相较于T2WI更具有优势,综合比较发现3D-DenseNet所构建的T1C-net模型在鉴别两种肿瘤时的诊断性能最佳,DL模型可以作为鉴别HGGs和BMs并协助临床制定精准化治疗方案的潜在工具。
其他文献
随着我国汽车保有量不断增加,车辆实时调度和道路交通拥堵已经成为亟需解决的问题。对此,智能交通的理念应运而生。其中,车辆的定位是智能交通重要组成部分。当前车辆定位方案是以多种定位技术、手段相结合的方式。而基于全球导航卫星系统（GNSS）和移动通信网的定位是车辆定位的主要方式。GNSS定位是目前最广泛使用的车辆定位方式,其卫星覆盖面广,设备成本低。但依赖GNSS的定位方式已不能满足城市环境下车辆高精度
目的:采用多模态MR手段,从脑灰白质形态、功能连接及白质网络方面探讨颞叶癫痫（Temporal lobe epilepsy,TLE）脑结构功能变化与癫痫严重程度及认知情感的相关性。方法:本研究纳入40例临床诊断明确的TLE患者以及31例年龄、性别、受教育程度相匹配的健康对照组（Healthy controls,HC）。采用基于体素的形态测量（Voxel based morphometry,VBM）
随着不可再生能源的日益枯竭,以及生态环境问题的不断升级,人们对绿色可再生能源的探索加快了步伐。在发电行业,发电方式上朝着取代火力发电的方向积极探索,对于国际上称为"阳光产业"的太阳能资源的研究应运而生。我国西北地区太阳能资源十分丰富且人烟稀少,适合发展太阳能发电技术。光热发电具有绿色清洁能源的属性且可以作为稳定的电源送端,符合当前可再生能源的发展大势。槽式光热发电和线性菲涅尔光热发电都属于线聚焦光
目的:探究氟代脱氧葡萄糖正电子发射型计算机断层显像(18F-FDG PET/CT)的多个代谢及异质性参数对非小细胞肺癌（NSCLC）表皮生长因子受体（EGFR）基因突变的预测价值及对靶向治疗的预后判断价值。方法:回顾性分析2016年3月至2021年11月治疗前于我院接受18F-FDG PET/CT检查并行EGFR检测的123例NSCLC患者,将患者分为EGFR突变型和野生型两组。使用单因素分析比较
第一部分CEUS LI-RADS在AFP阴性HCC诊断中的临床应用目的探究CEUS LI-RADS v2017对甲胎蛋白（AFP）阴性肝细胞肝癌（HCC）的诊断价值。方法回顾性分析2018年1月—2021年1月于我院就诊并AFP资料完整的具有HCC高危风险因素的448例患者的超声造影图像,对448个病灶按照CEUS LI-RADS v2017进行分类,最终诊断结果以手术病理和（或）临床诊断为标准,
在经济蓬勃发展的今天,能源的需求量日益增多,太阳能作为一种可再生的清洁能源,需求量日渐增大,而其中关键组成部分选择性吸收涂层及工件涂层需要大批量生产,用到的各种化合物薄膜越来越多,因此对制备薄膜技术的要求较为严格。制备薄膜的关键技术是反应磁控溅射,研究制备的薄膜为应用广泛且具有一定代表性的氮化铬薄膜。薄膜的性能与制备过程中的工艺参数有着密不可分的关系,但在制备薄膜时,往往会因为各种工艺参数的波动对
如今传统能源的储量不断减少、开采难度逐渐加大,并且传统能源在使用中可能会对环境造成不利影响,这限制了经济和社会的可持续发展。因此新能源技术的开发利用具有重要意义,通过使用新能源技术,在满足经济发展对能源需求的同时,可以兼顾对环境的保护。太阳能以其分布广泛、储量丰富、绿色环保等特点成为了最有前景的新能源之一。太阳能发电方式包括光伏发电和光热发电两种。主流的光热发电方式包括塔式、槽式、碟式和线性菲涅尔
随着人工智能及计算机硬件的迅速发展,网络数据呈几何速度增长。现实中许多复杂系统均可利用复杂网络描述事物之间的关系,例如因特网、知识图谱、金融网络和信息网络等。为了有效处理这种高维稀疏数据,关键挑战在于如何将数据嵌入到低维空间,以便经典机器学习算法高效的执行网络分析任务。由于网络数据储存着很多有价值的信息,网络数据挖掘一直是一个研究热点。本文的主要研究内容包括以下几个部分:（1）在节点表示学习任务中
目的:探讨治疗前18F-FDG PET/CT成像的多个代谢参数和肿瘤代谢异质性对胃癌预后的预测价值。方法:回顾性分析2016年1月至2021年6月期间在兰州大学第二医院就诊的71例胃癌患者,所有患者在治疗前均接受了18F-FDG PET/CT全身扫描,并且由病理学证实为胃腺癌。采集所有患者胃癌原发病灶的各代谢参数,包括SUVmax、SUVmean、MTV、TLG,并计算胃癌原发病灶不同SUVmax
近年来,随着科技的发展,信息数据呈指数型爆发增长,对海量数据进行分析与处理这一问题变得尤为重要。云存储技术可在短时间内完成对海量信息数据的处理,在节省存储成本的同时增强了数据的可访问性和可用性,但由于储存在云端的数据离开了数据所有者的直接物理控制,导致数据面临着信息泄露和检索困难等问题,这成为阻碍该技术发展的关键性因素。应运而生的可搜索加密技术可以为云平台中的存储数据提供有效的安全防护,在此基础上