基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为减少在肺结节良恶性的临床诊断过程中主治医生的临床经验、当前状态等主观因素对诊断结果的影响,提出一种基于PET/CT的孤立性肺结节恶性病变概率的辅助预测模型来尽可能消除诊断过程中的不确定因素,提高诊断的准确度.模型采用单因素方差分析法逐个分析肺结节的PET和CT各个征象,确定与肺结节恶性病变具有显著性相关的因素;利用多因素logistic分析法分析各个影响因子之间的相关性,并建立预测肺结节恶性病变概率的回归方程.通过利用Hosmer-Lemeshow检验和最大似然比检验对模型的拟合度进行检验,结果表明,该模型具有较高的拟合度.同时将该模型与Mayo和VA模型相比,将预测概率0.54作为良恶性诊断的临界时,该模型在预测准确度和敏感度方面表现出比较高的优势.
推荐文章
孤立性肺结节的PET/CT鉴别诊断
孤立性肺结节
PET/CT
SUV
18F-FDG PET/CT双时相显像结合高分辨率CT诊断孤立性肺结节的临床观察
孤立性肺结节
高分辨率CT
18F-FDG PET/CT双时相显像
体层摄影术
CT结合 PET/CT显像诊断孤立性肺结节误诊原因分析
肺肿瘤
体层摄影术
X线计算机
PET/CT
多排螺旋CT对恶性孤立性肺结节特征的影像学研究
多排螺旋CT
孤立性肺结节
时间-密度曲线(TDC)
计算机重建
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一个基于PET/CT的孤立性肺结节恶性概率的预测模型
来源期刊 计算机应用与软件 学科 工学
关键词 孤立性肺结节 logistic回归分析 恶性病变 预测模型 Positron-emission tomography computed tomography
年,卷(期) 2015,(12) 所属期刊栏目 图像处理与应用
研究方向 页码范围 170-174
页数 5页 分类号 TP39
字数 5879字 语种 中文
DOI 10.3969/j.issn.1000-386x.2015.12.040
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 强彦 太原理工大学计算机科学与技术学院 88 402 11.0 16.0
2 赵涓涓 太原理工大学计算机科学与技术学院 54 283 8.0 14.0
3 裴博 太原理工大学计算机科学与技术学院 4 20 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (57)
参考文献  (10)
节点文献
引证文献  (3)
同被引文献  (15)
二级引证文献  (1)
1956(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(6)
  • 参考文献(1)
  • 二级参考文献(5)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(4)
  • 参考文献(3)
  • 二级参考文献(1)
2012(7)
  • 参考文献(2)
  • 二级参考文献(5)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
孤立性肺结节
logistic回归分析
恶性病变
预测模型
Positron-emission tomography computed tomography
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导