您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览18 | 下载2

目的 评估基于磁共振成像(MRI)的深度学习在对胶质瘤亚型进行分类中的价值.方法 回顾性的纳入747名来自公共数据库的成年胶质瘤患者为研究对象,根据病理结果将患者分为三类:IDH野生型(IDHwt)、IDH突变型伴1p/19q共缺失(IDHmut-intact)和IDH突变型伴1p/19q非共缺失(IDHmut-codel).将目标患者的MRI按8∶1∶1随机分为训练集、验证集和测试集用于训练卷积神经网络的训练和测试.使用python语言在jupyter notebook工具中计算并生成受试者工作特征曲线(ROC)及曲线下面积(AUC)评价分类效果.结果 IDHwt、IDHmut-intact和IDHmut-codel在测试集中的AUC分别为0.994、0.993和0.994.结论 该模型在对胶质瘤的亚型进行分类中具有实用价值.

作者:杨甄;邓李轶;张桐;王雷;刘勇

来源:中国CT和MRI杂志 2023 年 21卷 10期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:18 | 下载:2
作者:
杨甄;邓李轶;张桐;王雷;刘勇
来源:
中国CT和MRI杂志 2023 年 21卷 10期
标签:
胶质瘤 IDH 1p/19q 磁共振成像 深度学习 Glioma IDH 1p/19q Magnetic Resonance Imaging Deep Learning
目的 评估基于磁共振成像(MRI)的深度学习在对胶质瘤亚型进行分类中的价值.方法 回顾性的纳入747名来自公共数据库的成年胶质瘤患者为研究对象,根据病理结果将患者分为三类:IDH野生型(IDHwt)、IDH突变型伴1p/19q共缺失(IDHmut-intact)和IDH突变型伴1p/19q非共缺失(IDHmut-codel).将目标患者的MRI按8∶1∶1随机分为训练集、验证集和测试集用于训练卷积神经网络的训练和测试.使用python语言在jupyter notebook工具中计算并生成受试者工作特征曲线(ROC)及曲线下面积(AUC)评价分类效果.结果 IDHwt、IDHmut-intact和IDHmut-codel在测试集中的AUC分别为0.994、0.993和0.994.结论 该模型在对胶质瘤的亚型进行分类中具有实用价值.

Baidu
map