Radiomics in predicting tumor molecular marker P63 for non-small cell lung cancer

首页 > 成果 > 详情

认领

导出

Link by 中国知网学术期刊 Link by 维普学术期刊 Link by 万方学术期刊

反馈

作者信息关键词期刊信息基础信息归属信息摘要

成果类型：

期刊论文

论文标题(英文)：

影像组学在预测非小细胞肺癌分子标志物P63中的应用价值

作者：

Gu, Qianbiao;Feng, Zhichao;Hu, Xiaoli;Ma, Mengtian;Mustafa Jumbe, Mwajuma;...

通讯作者：

Rong, P.

作者机构：

[Gu, Qianbiao] Department of Radiology, Third Xiangya Hospital, Central South University, Changsha 410013

[Liu, Peng; Gu, Qianbiao] Department of Radiology, People's Hospital of Hunan Province, First Affiiated Hospital, Hunan Normal University, Changsha 410002, China

[Feng, Zhichao; Ma, Mengtian; Rong, Pengfei; Yan, Haixiong] Department of Radiology, Third Xiangya Hospital, Central South University, Changsha 410013, China

[Hu, Xiaoli] First Hospital of Hunan University of Chinese Medicine, Changsha 410007, China

[Mustafa Jumbe, Mwajuma] Department of Radiology, Muhimbili National Hospital, Dar es Salaam 65000, Tanzania

通讯机构：

Department of Radiology, Third Xiangya Hospital, Central South University, Changsha, China

语种：

中文

关键词：

非小细胞肺癌;计算机体层摄影;影像组学

关键词(英文)：

P63

期刊：

中南大学学报(医学版)

ISSN：

1672-7347

年：

2019

卷：

期：

页码：

1055-1062

DOI：

10.11817/j.issn.1672-7347.2019.180752

基金类别：

supported by the National Natural Science Foundation of China (81771827,81471715).

机构署名：

本校为其他机构

院系归属：

第一中医临床学院

摘要：

目的:建立基于非小细胞肺癌(non-small cell lung cancer,NSCLC)肿瘤CT图像的影像组学模型,预测NSCLC分子标志物P63的表达状态.方法:回顾性分析2014年1月至2018年3月接受CT扫描的245例NSCLC患者.患者均经组织病理学检查确诊,并在CT检查后2周内进行P63表达状态检测.通过MaZda软件提取CT平扫图像的影像组学特征,并且定义肿瘤CT图像的主观影像征象.使用Lasso-logistic回归模型进行特征筛选并分别建立影像组学模型、主观影像征象模型及融合诊断模型.通过受试者操作特征(receiver operator characteristic,ROC)曲线评估每个模型的预测性能,并采用Delong检验进行比较.结果:在245例患者中,P63阳性96例,...

摘要(英文)：

Objective: To establish a radiomics signature based on CT images of non-small cell lung cancer (NSCLC) to predict the expression of molecular marker P63. Methods: A total of 245 NSCLC patients who underwent CT scans were retrospectively included. All patients were confirmed by histopathological examinations and P63 expression were examined within 2 weeks after CT examination. Radiomics features were extracted by MaZda software and subjective image features were defined from original non-enhanced CT images. The Lasso-logistic regression model wa...

反馈

产权有误：本人成果被他人认领

数据有误：数据基本信息有误

归属有误：成果的院系归属、机构署名归属有误

其他原因：

验证码：

看不清楚，换一个

确定

取消

成果认领

标题：

用户	作者	通讯作者	--
	请选择	请选择	--

确定

取消

Radiomics in predicting tumor molecular marker P63 for non-small cell lung cancer

反馈

成果认领

提示

该栏目需要登录且有访问权限才可以访问