典型文献
基于2.5D卷积神经网络模型鉴别高级别胶质瘤与单发脑转移瘤
文献摘要：
目的 探讨基于磁共振成像的2.5D卷积神经网络模型术前鉴别诊断高级别胶质瘤(HGGs)与单发脑转移瘤(BMs)的价值.方法 回顾性分析2016年6月-2021年6月兰州大学第二医院经手术病理证实的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,基于ResNet-152卷积神经网络在2.5D维度下分别构建T2WI、T1C及两种序列融合的预测模型,通过受试者操作特征曲线评价模型预测效能.结果 T1C-net模型在训练集和验证集的曲线下面积分别为0.789、0.738,T2-net模型的分别为0.757、0.716,TS-net模型的分别为0.744和0.696.结论 基于磁共振成像常规序列的2.5D ResNet模型可以鉴别HGGs和BMs,T1C-net模型性能更好,可以成为鉴别二者并指导临床制定精准化治疗方案的潜在工具.
文献关键词：
高级别胶质瘤;脑转移瘤;磁共振成像;深度学习
中图分类号：
作者姓名：
张斌;黄陈翠;薛彩强;周俊林
作者机构：
兰州大学第二临床医学院,甘肃兰州730030;兰州大学第二医院放射科,甘肃兰州730030;兰州大学第二医院甘肃省医学影像重点实验室,甘肃兰州730030;兰州大学第二医院医学影像人工智能甘肃省国际科技合作基地,甘肃兰州730030;北京深睿博联科技有限责任公司,北京100080
文献出处：
引用格式：
[1]张斌;黄陈翠;薛彩强;周俊林-.基于2.5D卷积神经网络模型鉴别高级别胶质瘤与单发脑转移瘤)[J].兰州大学学报（医学版）,2022(08):23-27
A类：
HGGs,BMs
B类：
5D,卷积神经网络模型,高级别胶质瘤,单发,脑转移瘤,磁共振成像,鉴别诊断,兰州大学,经手,手术病理,T2WI,T1WI,对比增强,T1C,勾画出,肿瘤区,感兴趣区,ResNet,受试者操作特征曲线,预测效能,net,训练集,验证集,TS,常规序列,模型性能
AB值：
0.231568
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
