检索规则说明:AND代表“并且”;OR代表“或者”;NOT代表“不包含”;(注意必须大写,运算符两边需空一格)
检 索 范 例 :范例一: (K=图书馆学 OR K=情报学) AND A=范并思 范例二:J=计算机应用与软件 AND (U=C++ OR U=Basic) NOT M=Visual
出 处:《影像研究与医学应用》2024年第23期54-56,共3页Journal of Imaging Research and Medical Applications
摘 要:目的:探讨基于增强MRI图像纹理特征预测鼻咽癌病理分化程度的可行性。方法:回顾性收集2020年1月—2023年12月在北海市人民医院诊断为鼻咽癌患者的MRI增强T1WI图像纹理特征、临床资料与病理资料。将鼻咽癌病理高分化患者分为A组(n=48),鼻咽癌病理低分化患者分为B组(n=56),比较两组MRI增强T1WI图像纹理特征值差异,将具有差异的纹理特征值进行相关性分析,将相关性高的纹理特征值剔除后纳入二元Logistic回归分析,筛选出预测鼻咽癌病理分化程度的独立风险因素并建立模型。采用受试者工作特征(ROC)曲线分析预测模型的诊断效能。结果:两组患者一般资料比较差异无统计学意义(P>0.05)。二元Logistic回归结果显示Difference Entropy(差熵)与Angular Second moment(角二阶矩)为预测鼻咽癌病理分化程度的独立风险因素,建立联合模型:Logit(P)=-0.316+Difference Entropy(差熵)×1.351+Angular Second moment(角二阶矩)×2.125,Logit(P)的AUC为0.935,取截断值为6985.344时,灵敏度及特异度分别为83.6%、95.2%。结论:鼻咽癌的MRI增强T1WI图像纹理特征能预测鼻咽癌患者病理分化程度,可提供临床无创病理分化证据。
分 类 号:R445.2[医药卫生—影像医学与核医学]
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在载入数据...
正在链接到云南高校图书馆文献保障联盟下载...
云南高校图书馆联盟文献共享服务平台 版权所有©
您的IP:216.73.216.49