肺部磨玻璃结节良恶性智能辅助诊断新进展

被引：11

作者：

杨婧 ^{[1
]}

耿辰 ^{[2
]}

王海林 ^{[3
]}

纪建松 ^{[3
]}

戴亚康 ^{[2
]}

机构：

[1] 合肥, 中国科学技术大学生物医学工程学院

[2] 中国科学院苏州生物医学工程技术研究所

[3] 浙江大学丽水医院浙江省丽水市中心医院温州医科大学附属五院放射科和介入诊疗中心

来源：

中华放射学杂志 | 2018年 / 52卷 / 12期

关键词：

D O I：

暂无

中图分类号：

R734.2 [肺肿瘤];

学科分类号：

100117 [系统生物医学];

摘要：

<正>

引用

共 34 条

[1]

影像组学特征对肺纯磨玻璃结节侵袭性腺癌与非侵袭性腺癌的鉴别价值附视频 [J].

崔效楠 ;

刘颖 ;

叶兆祥 ;

李绪斌 ;

谢永生 ;

赵颖如 .

国际医学放射学杂志, 2018, (04) :375-378

[2]

影像组学技术方法的研究及挑战 [J].

史张 ;

刘崎 .

放射学实践, 2018, 33 (06) :633-636

[3]

影像组学对磨玻璃结节型肺腺癌病理亚型的预测效能 [J].

范丽 ;

方梦捷 ;

董迪 ;

涂文婷 ;

望云 ;

李琼 ;

萧毅 ;

田捷 ;

刘士远 .

中华放射学杂志, 2017, 51 (12)

[4]

纯磨玻璃密度肺腺癌内异常空气支气管征预测病理亚型的价值 [J].

杨越清 ;

高杰 ;

金梅 ;

罗春材 ;

吴重重 ;

赵绍宏 .

中华放射学杂志, 2017, 51 (07)

[5]

不同窗宽窗位下肺亚实性结节及其实性成分大小对病理等级的预测价值 [J].

顾亚峰 ;

李琼 ;

范丽 ;

李清楚 ;

萧毅 ;

刘士远 .

中华放射学杂志, 2017, 51 (07)

[6]

基于影像组学的肺结节恶性程度预测 [J].

杨春然 ;

郭翌 ;

汪源源 .

肿瘤影像学, 2017, 26 (02) :97-101

[7]

大数据时代的精准影像医学:放射组学 [J].

王敏 ;

宋彬 ;

黄子星 ;

陈婕 ;

胡富碧 .

中国普外基础与临床杂志, 2016, 23 (06) :752-755

[8]

Lung Nodule Detection via Deep Reinforcement Learning [J].

Ali, Issa ;

Hart, Gregory R. ;

Gunabushanam, Gowthaman ;

Liang, Ying ;

Muhammad, Wazir ;

Nartowt, Bradley ;

Kane, Michael ;

Ma, Xiaomei ;

Deng, Jun .

FRONTIERS IN ONCOLOGY, 2018, 8

[9]

Use of a Radiomics Model to Predict Tumor Invasiveness of Pulmonary Adenocarcinomas Appearing as Pulmonary Ground-Glass Nodules.[J].Xing Xue;Yong Yang;Qiang Huang;Feng Cui;Yuqing Lian;Siying Zhang;Linpeng Yao;Wei Peng;Xin Li;Peipei Pang;Jianhua Yan;Feng Chen;Cristiana Corsi.BioMed Research International.2018,

[10]

A hybrid CNN feature model for pulmonary nodule malignancy risk differentiation.[J].Huafeng Wang;Tingting Zhao;Lihong Connie Li;Haixia Pan;Wanquan Liu;Haoqi Gao;Fangfang Han;Yuehai Wang;Yifan Qi;Zhengrong Liang.Journal of X-Ray Science and Technology.2017, 2

← 1 2 3 4 →