raybet雷竞app|雷竞技官网下载|雷电竞下载苹果

科学的规划

1875 - 919 x<我年代年代npub-type="ppub"> 1058 - 9244

Hindawi

10.1155 / 2021/6778009 6778009

研究文章

深上优于磁共振成像图像特征分析为脑胶质瘤的病理分类

https://orcid.org/0000 - 0002 - 6730 - 2455 姚

魏

https://orcid.org/0000 - 0001 - 7762 - 8742 托马斯。

斯蒂芬妮

拉米雷斯

Gustavo

^{1

放射治疗部门

湖南省肿瘤医院

长沙410000

湖南

中国

hnzlyy.com} ^{2

计算机科学和自动化

亚利桑那大学

85721年图森

阿兹

美国

arizona.edu}

2021年

31日 5 2021年

2021年 11 4 2021年 12 5 2021年 22 5 2021年 31日 5 2021年

这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

探讨磁共振成像在脑胶质瘤的诊断的应用价值(BG),在这项研究中,一个深上优于多通道特性建立了融合模型,并应用于BG分类。60 BG来到我们医院治疗的患者被选为研究对象。他们都接受MRI扫描和增强扫描和磁共振成像结果与病理结果。结果表明,算法的敏感性高于90%,诊断敏感性等级IV神经胶质瘤是高达98.28%;特异性高于78%,特异性诊断等级IV神经胶质瘤是高达95.85%;检测精度高于95%。相对分数各向异性(rFA)值的肿瘤主体小于瘤旁水肿在高档组和轻度组,差异显著<我nl我ne-formula> P < 0.05 ;相对表观扩散系数(rADC)瘤旁水肿的值大于这些肿瘤的尸体同年级的高档组和轻度组,差异显著<我nl我ne-formula> P < 0.05 ;显著差异指出rADC值之间的肿瘤组织高级组和轻度组<我nl我ne-formula> P < 0.05 和rADC值之间的神经胶质瘤肿瘤前期水肿高档组和轻度组<我nl我ne-formula> P < 0.05 。总之,MRI基于深度学习提高了敏感性,特异性,诊断BG和准确性,可以更精确地分类BG病态,BG的为临床治疗提供参考。 1。介绍</t我tle><p>肿瘤疾病发生在多个站点,颅内肿瘤是一种常见的疾病在神经系统,这是非常有害人类的神经系统(<xgydF4y2Baref ref-type="bibr" rid="B1"> 1</xgydF4y2Baref>]。颅内肿瘤通常分为两类:主要和次要颅内肿瘤。脑胶质瘤(BG)源于神经胶质细胞,是最常见的脑肿瘤。特点是浸润生长,尤其是高档BG [<xgydF4y2Baref ref-type="bibr" rid="B2"> 2</xgydF4y2Baref>]。因此,很难区别于正常脑组织,导致手术切除的巨大风险。因此,术前的正确诊断和分级BG是临床治疗计划的制定具有重要意义[<xgydF4y2Baref ref-type="bibr" rid="B3"> 3</xgydF4y2Baref>,<xgydF4y2Baref ref-type="bibr" rid="B4"> 4</xgydF4y2Baref>]。等级是指肿瘤恶性程度(<xgydF4y2Baref ref-type="bibr" rid="B5"> 5</xgydF4y2Baref>]。英国地质调查局I和II级的低品位,和等级III和IV是优质的<xgydF4y2Baref ref-type="bibr" rid="B6"> 6</xgydF4y2Baref>]。</gydF4y2Bap> <p>核磁共振技术和扫描序列层出不穷,由于医疗技术的进步和测试设备。MRI结合解剖学的优势功能,成像。是具有重要意义的探索肿瘤细胞或分子水平的法律和药物的研究和开发,以及现代医学模式的形成和改善人类健康。因此,它是广泛应用于临床,<xgydF4y2Baref ref-type="bibr" rid="B7"> 7</xgydF4y2Baref>]。促进医生准确地去除大脑神经胶质瘤手术期间,成像方法如计算机断层扫描(CT)、核磁共振成像和正电子发射计算机断层扫描(PET)通常用于段神经胶质瘤临床治疗领域。因为软组织MRI显示高超的功能检测和可以提供丰富的生理组织信息,它通常用于术前诊断,术中治疗和术后检查BG [<xgydF4y2Baref ref-type="bibr" rid="B8"> 8</xgydF4y2Baref>]。当前single-modal MRI技术有其局限性,因为它不能完全显示肿瘤的结构和功能。深度学习可以自动学习多层功能,适用于医学图像辅助诊断(<xgydF4y2Baref ref-type="bibr" rid="B9"> 9</xgydF4y2Baref>]。在这项研究中,多通道MRI技术基于深度学习理论是用来全面显示结构,功能,和BG的分子信息,提供诊断依据和参考BG的病理分类。</gydF4y2Bap> <p>总之,BG病人被选为研究对象,和他们的MRI图像优化基于深度学习,评价MRI图像分类BG的角色。</gydF4y2Bap> </sec> <sec id="sec2"> <title>2。材料和方法</t我tle><年代ec id="sec2.1"> <title>2.1。研究对象及分组</t我tle><p>60 BG住院病人从7月20日,2019年2月20日,2020年,被选为研究对象。所有患者手术前接受MRI扫描和增强扫描,结果与术后病理结果进行对比。根据病理分类,他们被分为低级英国天然气集团(轻度组)和高档BG group(高级组)。有44名男性和16名女性20至60岁,平均年龄为55.82±4.18年。这项研究已通过湖南省肿瘤医院医学伦理委员会和病人和他们的家属被告知并签署同意书。</gydF4y2Bap> <p>MRI诊断标准严格执行2015年版的神经胶质瘤的诊断和治疗指南的中枢神经系统在中国<xgydF4y2Baref ref-type="bibr" rid="B10"> 10</xgydF4y2Baref>]。低级的BG的核磁共振成像特征如下:统一的信号,长<我talic> T</我talic><sub>1</年代ub>和长<我talic> T</我talic><sub>2</年代ub>。增强扫描显示,没有弥漫性星形细胞瘤。当信号不均匀,局部伴有巨大的钙化,它被认为是少突胶质细胞细胞肿瘤。三级神经胶质瘤也被称为渐进的神经胶质瘤。其MRI信号特点是一样的低级神经胶质瘤,但增强扫描显示有提高。第四级神经胶质瘤表现出不规则的边缘增强,伴随着大量的中央坏死和明显的增强区域外的脑水肿。增强扫描的神经胶质瘤肉瘤表现出固体不均匀增强。</gydF4y2Bap> <p>神经胶质瘤分类,根据恶性肿瘤的程度从低到高,它可以分为成绩我∼IV,严格指的是2007年版的神经胶质瘤病理分级标准。</gydF4y2Bap> <p>入选标准如下:(1)所有病例接受MRI扫描,通过临床影像诊断医生和神经外科医生严格指MRI诊断标准。(2)患者诊断为BG根据术后病理结果。(3)颅脑手术的病人没有历史和大量的脑损伤。(4)患者明确的意识,能够正常交流,并没有精神疾病。</gydF4y2Bap> <p>排除标准如下:(1)例诊断为脑梗塞,醉酒驾车或夫人,(2)例严重的沟通障碍或精神疾病,(3)例颅内高血压和其他颅内病变的特点,和(4)患者肝脏和肾脏功能障碍或造影剂过敏。</gydF4y2Bap> </sec> <sec id="sec2.2"> <title>2.2。核磁共振检查</t我tle><p>常规准备工作后,所有病人被要求躺在背上,头,身体的两侧上肢放置。特殊的耳塞插入耳朵,病人被告知不要移动(<xgydF4y2Baref ref-type="bibr" rid="B11"> 11</xgydF4y2Baref>]。使用的设备是通用标记HD 3.0 T磁共振全身扫描仪(德国先灵葆雅)。后常规轴向、矢状面和冠状扫描,轴向和径向T1FLAIR扫描后立即进行了对比剂注射。如果有必要,需要冠状增强扫描。MRI增强扫描采用特殊的高压注射器。顺磁性对比剂注入后肘前静脉的剂量0.1更易/公斤体重,立即15毫升生理盐水注射,这样对比剂可以完全分布式进入病人的身体。扫描层的厚度是5毫米,层的距离是1.5毫米,层数是20。</gydF4y2Bap> <p>在阅读病人的病史和核磁共振成像的结果,两个放射科医生观察和分析病人的图像来确定BG分类。任何矛盾都是通过讨论解决。根据术后病理诊断,BG的形象特征不同的病理成绩进行比较和分析。</gydF4y2Bap> </sec> <sec id="sec2.3"> <title>2.3。病理检查</t我tle><p>在中性10%福尔马林固定标本,嵌入在石蜡切片,不断的在4<我talic> μ</我talic>米厚度。染色后使用他染色,可视化和观察到的高级医师根据2007年版的国际分类脑瘤(<xgydF4y2Baref ref-type="bibr" rid="B12"> 12</xgydF4y2Baref>),与病理级别和分组确定:低级BG集团,主要用于患者一级和二级BG和高档BG集团主要为患者III、IV BG年级。</gydF4y2Bap> </sec> <sec id="sec2.4"> <title>2.4。基于多通道特性融合的深度学习模型</t我tle><p>目前,卷积神经网络广泛应用于医学图像诊断领域,取得了良好的进展。卷积神经网络的工作原理是通过卷积操作自动抽取图像特征,具有丰富的语义信息和强鲁棒性<xgydF4y2Baref ref-type="bibr" rid="B13"> 13</xgydF4y2Baref>]。自深学习模型可以获得更好的结果通过培训标记图像,第二至第五卷积VGG16块(<xgydF4y2Baref ref-type="bibr" rid="B14"> 14</xgydF4y2Baref>)直接应用于转移学习。最后一层的特征映射每个卷积块提取和加工,这是<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M5"> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> g</米米l:mi> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>,<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M6"> <mml:mi> g</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn> 1、2、3、4、5所示</米米l:mn> </mml:math> </inline-formula>,分别。upsampling之后,<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M7"> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> g</米米l:mi> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>和<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M8"> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> g</米米l:mi> <mml:mo> −</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>保险丝使用结果图像的像素处理2<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M9"> <mml:msup> <mml:mrow></mml:mrow> <mml:mi> ∗</米米l:mi> </mml:msup> </mml:math> </inline-formula>3卷积核,然后6<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M10"> <mml:msup> <mml:mrow></mml:mrow> <mml:mi> ∗</米米l:mi> </mml:msup> </mml:math> </inline-formula>6卷积内核再次使用正确的融合图像,它可以消除混叠效应并获得新功能映射<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M11"> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> g</米米l:mi> <mml:mo> −</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。金字塔融合方程如下:<gydF4y2Badisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M12"> <mml:mtable> <mml:mlabeledtr id="EEq1"> <mml:mtd rowspan="2"> <mml:mtext> (1)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> g</米米l:mi> <mml:mo> −</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> R</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn> 2</米米l:mn> <mml:mo> ×</米米l:mo> <mml:mn> 3</米米l:mn> </mml:mrow> </mml:msub> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> g</米米l:mi> <mml:mo> −</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:mfenced> <mml:mo> ,</米米l:mo> </mml:mtd> </mml:mlabeledtr> <mml:mtr> <mml:mtd> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> g</米米l:mi> <mml:mo> −</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> R</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn> 6</米米l:mn> <mml:mo> ×</米米l:mo> <mml:mn> 6</米米l:mn> </mml:mrow> </mml:msub> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> K</米米l:mi> <mml:mrow> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> g</米米l:mi> </mml:mrow> </mml:mfenced> </mml:mrow> <mml:mo> +</米米l:mo> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> g</米米l:mi> <mml:mo> −</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:mfenced> <mml:mo> 。</米米l:mo> </mml:mtd> </mml:mtr> </mml:mtable> </mml:math> </disp-formula></p> <p> <inline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M13"> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mn> 3</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>在最后一层通过批处理正常(BN)层,自适应最大池层,和完全连接层。BN层可以加快收敛速度、提高分类模型的影响。<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M14"> <mml:msup> <mml:mrow> <mml:mi> R</米米l:mi> </mml:mrow> <mml:mrow> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> </mml:math> </inline-formula>被设置为<我talic> n</我talic>th维度的特征<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M15"> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mn> 3</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M16"> <mml:msup> <mml:mrow> <mml:mi> R</米米l:mi> </mml:mrow> <mml:mrow> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> </mml:math> </inline-formula>介绍了参数<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M17"> <mml:msup> <mml:mrow> <mml:mi> l</米米l:mi> </mml:mrow> <mml:mrow> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> </mml:math> </inline-formula>和<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M18"> <mml:msup> <mml:mrow> <mml:mi> T</米米l:mi> </mml:mrow> <mml:mrow> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> </mml:math> </inline-formula>并使用冷漠估计输出<我talic> n</我talic>th维度特征如下:<gydF4y2Badisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M19"> <mml:mtable> <mml:mlabeledtr id="EEq2"> <mml:mtd> <mml:mtext> (2)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:msup> <mml:mrow> <mml:mi> R</米米l:mi> </mml:mrow> <mml:mrow> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> <mml:mo> =</米米l:mo> <mml:msup> <mml:mrow> <mml:mi> l</米米l:mi> </mml:mrow> <mml:mrow> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> <mml:msup> <mml:mrow> <mml:mover accent="true"> <mml:mi> P</米米l:mi> <mml:mo> −</米米l:mo> </mml:mover> </mml:mrow> <mml:mrow> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> <mml:mo> +</米米l:mo> <mml:msup> <mml:mrow> <mml:mi> T</米米l:mi> </mml:mrow> <mml:mrow> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> <mml:mo> 。</米米l:mo> </mml:mtd> </mml:mlabeledtr> </mml:mtable> </mml:math> </disp-formula></p> <p>当非线性因素被添加到ReLU层,增加模型的表达能力将会减弱。的激活函数ReLU如下。<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M20"> <mml:mi> 问</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> ·</米米l:mi> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>是非线性模型的表达能力,<我talic> x</我talic>是最大的解决方案。<gydF4y2Badisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M21"> <mml:mtable> <mml:mlabeledtr id="EEq3"> <mml:mtd> <mml:mtext> (3)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:mi> 问</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> x</米米l:mi> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:mi mathvariant="normal"> 马克斯</米米l:mi> <mml:mfenced open="{" close="}" separators="|"> <mml:mrow> <mml:mn> 0</米米l:mn> <mml:mo> ,</米米l:mo> <mml:mi> x</米米l:mi> </mml:mrow> </mml:mfenced> <mml:mo> 。</米米l:mo> </mml:mtd> </mml:mlabeledtr> </mml:mtable> </mml:math> </disp-formula></p> <p>自适应最大池层之间的主要区别和标准马克斯池前将控制输出尺寸()根据输入规模(在),和步幅和内核大小表示如下:<gydF4y2Badisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M22"> <mml:mtable> <mml:mlabeledtr id="EEq4"> <mml:mtd rowspan="2"> <mml:mtext> (4)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:mtext> 步</米米l:mtext> <mml:mo> =</米米l:mo> <mml:mtext> 地板上</米米l:mtext> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mfrac> <mml:mrow> <mml:mtext> 在</米米l:mtext> </mml:mrow> <mml:mrow> <mml:mtext> 出</米米l:mtext> </mml:mrow> </mml:mfrac> </mml:mrow> </mml:mfenced> <mml:mo> ,</米米l:mo> </mml:mtd> </mml:mlabeledtr> <mml:mtr> <mml:mtd> <mml:mtext> kernelsize</米米l:mtext> <mml:mo> =</米米l:mo> <mml:mtext> 在</米米l:mtext> <mml:mo> −</米米l:mo> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mtext> 出</米米l:mtext> <mml:mo> −</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:mfenced> <mml:mo> ×</米米l:mo> <mml:mtext> 跨步。</米米l:mtext> </mml:mtd> </mml:mtr> </mml:mtable> </mml:math> </disp-formula></p> <p>完全连接层可以被看作是一个全面的卷积<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M23"> <mml:mi> 年代</米米l:mi> <mml:mo> ×</米米l:mo> <mml:mi> u</米米l:mi> </mml:math> </inline-formula>,<我talic> 年代</我talic>和<我talic> u</我talic>前一层的输出大小。最后,1026维特征提取的卷积神经网络可以获得。<gydF4y2Badisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M24"> <mml:mtable> <mml:mlabeledtr id="EEq5"> <mml:mtd> <mml:mtext> (5)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:mi> k</米米l:mi> <mml:mo> =</米米l:mo> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn> 1</米米l:mn> </mml:mrow> </mml:msub> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn> 2</米米l:mn> </mml:mrow> </mml:msub> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn> 3</米米l:mn> </mml:mrow> </mml:msub> <mml:mi> l</米米l:mi> <mml:msub> <mml:mrow> <mml:mi> k</米米l:mi> </mml:mrow> <mml:mrow> <mml:mn> 1026年</米米l:mn> </mml:mrow> </mml:msub> </mml:mrow> </mml:mfenced> <mml:mo> 。</米米l:mo> </mml:mtd> </mml:mlabeledtr> </mml:mtable> </mml:math> </disp-formula></p> <p>不同的模式有不同的功能特征(<xgydF4y2Baref ref-type="bibr" rid="B15"> 15</xgydF4y2Baref>]。在这项研究中,多通道特性融合的深度学习模型。模型包含较少的神经元与隐藏的飞机和乙状结肠层。训练通过最大化整个网络的能量比例功能层。乙状结肠层可以映射特征融合后的特征区间。功能区间是(0,1),即预测概率。特征向量<我talic> f</我talic>=(1,0),向前传播方程如下:<gydF4y2Badisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M25"> <mml:mtable> <mml:mlabeledtr id="EEq6"> <mml:mtd rowspan="2"> <mml:mtext> (6)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:msub> <mml:mrow> <mml:mi> V</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> f</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> =</米米l:mo> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> W</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> +</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mfenced> <mml:msub> <mml:mrow> <mml:mi> γ</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> <mml:mi> e</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> +</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> ℘</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> e</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> ,</米米l:mo> </mml:mtd> </mml:mlabeledtr> <mml:mtr> <mml:mtd> <mml:mi> N</米米l:mi> <mml:mo> =</米米l:mo> <mml:mi> ℘</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mstyle displaystyle="true"> <mml:munderover> <mml:mo stretchy="true"> ∑</米米l:mo> <mml:mrow> <mml:mi> 年代</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> <mml:mi> 米</米米l:mi> </mml:munderover> <mml:mrow> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> W</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> +</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mfenced> <mml:msub> <mml:mrow> <mml:mi> ℘</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> <mml:mi> e</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> +</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> γ</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> e</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mstyle> </mml:mrow> </mml:mfenced> <mml:mo> ,</米米l:mo> </mml:mtd> </mml:mtr> </mml:mtable> </mml:math> </disp-formula>在哪里<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M26"> <mml:mi> V</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> f</米米l:mi> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mrow> <mml:mn> 1</米米l:mn> <mml:mo> /</米米l:mo> <mml:mrow> <mml:mn> 1</米米l:mn> <mml:mo> +</米米l:mo> <mml:msup> <mml:mrow> <mml:mi> e</米米l:mi> </mml:mrow> <mml:mrow> <mml:mo> −</米米l:mo> <mml:mi> 我</米米l:mi> </mml:mrow> </mml:msup> </mml:mrow> </mml:mrow> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>,<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M27"> <mml:msub> <mml:mrow> <mml:mi> W</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> </mml:mrow> </mml:msub> </mml:math> </inline-formula>的偏差是可见的层,<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M28"> <mml:msub> <mml:mrow> <mml:mi> γ</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> e</米米l:mi> </mml:mrow> </mml:msub> </mml:math> </inline-formula>隐层的偏差,<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M29"> <mml:msub> <mml:mrow> <mml:mi> ℘</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> <mml:mi> e</米米l:mi> </mml:mrow> </mml:msub> </mml:math> </inline-formula>是隐藏层向量。获得最优拟合多通道特性,能量模型用于调整参数,和能量函数如下:<gydF4y2Badisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M30"> <mml:mtable> <mml:mlabeledtr id="EEq7"> <mml:mtd> <mml:mtext> (7)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mrow> <mml:mrow> <mml:mn> 1,0</米米l:mn> </mml:mrow> <mml:mi> |</米米l:mi> </mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:mo> −</米米l:mo> <mml:mstyle displaystyle="true"> <mml:munderover> <mml:mo stretchy="true"> ∑</米米l:mo> <mml:mrow> <mml:mi> e</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> <mml:mi> 我</米米l:mi> </mml:munderover> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> W</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> e</米米l:mi> </mml:mrow> </mml:msub> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> e</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mstyle> <mml:mo> −</米米l:mo> <mml:mstyle displaystyle="true"> <mml:munderover> <mml:mo stretchy="true"> ∑</米米l:mo> <mml:mrow> <mml:mi> 年代</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> <mml:mi> 米</米米l:mi> </mml:munderover> <mml:mrow> <mml:mstyle displaystyle="true"> <mml:munderover> <mml:mo stretchy="true"> ∑</米米l:mo> <mml:mrow> <mml:mi> 我</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> <mml:mi> e</米米l:mi> </mml:munderover> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> W</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> </mml:mrow> </mml:msub> <mml:msub> <mml:mrow> <mml:mi> ℘</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> <mml:mi> e</米米l:mi> </mml:mrow> </mml:msub> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mstyle> </mml:mrow> </mml:mstyle> <mml:mo> 。</米米l:mo> </mml:mtd> </mml:mlabeledtr> </mml:mtable> </mml:math> </disp-formula></p> <p>在方程(<xgydF4y2Baref ref-type="disp-formula" rid="EEq9"> 9</xgydF4y2Baref>),<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M31"> <mml:mo> ∇</米米l:mo> <mml:mo> =</米米l:mo> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:msub> <mml:mrow> <mml:mi> W</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> ℘</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> <mml:mi> e</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> ,</米米l:mo> <mml:msub> <mml:mrow> <mml:mi> N</米米l:mi> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> </mml:mfenced> <mml:mo> ,</米米l:mo> <mml:mi> K</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mrow> <mml:mrow> <mml:mn> 1,0</米米l:mn> </mml:mrow> <mml:mi> |</米米l:mi> </mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>表示模块的总能量。</gydF4y2Bap> <p>边际概率分布定义如下:<gydF4y2Badisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M32"> <mml:mtable> <mml:mlabeledtr id="EEq8"> <mml:mtd> <mml:mtext> (8)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:mi> g</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mrow> <mml:mn> 1</米米l:mn> <mml:mi> |</米米l:mi> </mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:mfrac> <mml:mn> 1</米米l:mn> <mml:mrow> <mml:mi> J</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:mfrac> <mml:mstyle displaystyle="true"> <mml:munder> <mml:mo stretchy="true"> ∑</米米l:mo> <mml:mi> e</米米l:mi> </mml:munder> <mml:mrow> <mml:msup> <mml:mrow> <mml:mi> O</米米l:mi> </mml:mrow> <mml:mrow> <mml:mo> −</米米l:mo> <mml:mi> k</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mrow> <mml:mrow> <mml:mn> 1,0</米米l:mn> </mml:mrow> <mml:mi> |</米米l:mi> </mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> </mml:mrow> </mml:mstyle> <mml:mo> ,</米米l:mo> </mml:mtd> </mml:mlabeledtr> <mml:mlabeledtr id="EEq9"> <mml:mtd> <mml:mtext> (9)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:mi> g</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mrow> <mml:mn> 0</米米l:mn> <mml:mi> |</米米l:mi> </mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:mfrac> <mml:mn> 1</米米l:mn> <mml:mrow> <mml:mi> J</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:mfrac> <mml:mstyle displaystyle="true"> <mml:munder> <mml:mo stretchy="true"> ∑</米米l:mo> <mml:mi> 我</米米l:mi> </mml:munder> <mml:mrow> <mml:msup> <mml:mrow> <mml:mi> o</米米l:mi> </mml:mrow> <mml:mrow> <mml:mo> −</米米l:mo> <mml:mi> k</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mrow> <mml:mrow> <mml:mn> 1,0</米米l:mn> </mml:mrow> <mml:mi> |</米米l:mi> </mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> </mml:mrow> </mml:mstyle> <mml:mo> ,</米米l:mo> </mml:mtd> </mml:mlabeledtr> </mml:mtable> </mml:math> </disp-formula>在哪里<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M33"> <mml:mi> g</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> </mml:mfenced> <mml:mo> =</米米l:mo> <mml:mstyle displaystyle="true"> <mml:msub> <mml:mrow> <mml:mo stretchy="false"> ∑</米米l:mo> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> <mml:mi> l</米米l:mi> </mml:mrow> </mml:msub> <mml:mrow> <mml:msup> <mml:mrow> <mml:mi> O</米米l:mi> </mml:mrow> <mml:mrow> <mml:mo> −</米米l:mo> <mml:mi> k</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mrow> <mml:mrow> <mml:mn> 1,0</米米l:mn> </mml:mrow> <mml:mi> |</米米l:mi> </mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:msup> </mml:mrow> </mml:mstyle> </mml:math> </inline-formula>是优化的非线性函数表达式。<gydF4y2Badisp-formula> <mml:math display="block" xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M34"> <mml:mtable> <mml:mlabeledtr id="EEq10"> <mml:mtd> <mml:mtext> (10)</米米l:mtext> </mml:mtd> <mml:mtd> <mml:msub> <mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> <mml:mi> l</米米l:mi> </mml:mrow> </mml:msub> <mml:mo> =</米米l:mo> <mml:mi mathvariant="normal"> 参数</米米l:mi> <mml:munder> <mml:mrow> <mml:mi mathvariant="normal"> 马克斯</米米l:mi> </mml:mrow> <mml:mo> ∇</米米l:mo> </mml:munder> <mml:mstyle displaystyle="true"> <mml:munderover> <mml:mo stretchy="true"> ∑</米米l:mo> <mml:mrow> <mml:mi> 我</米米l:mi> <mml:mo> =</米米l:mo> <mml:mn> 1</米米l:mn> </mml:mrow> <mml:mi> o</米米l:mi> </mml:munderover> <mml:mrow> <mml:mi> l</米米l:mi> <mml:mi> g</米米l:mi> <mml:mi> g</米米l:mi> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mrow> <mml:mrow> <mml:msub> <mml:mrow> <mml:mn> 1</米米l:mn> </mml:mrow> <mml:mrow> <mml:mi> 我</米米l:mi> </mml:mrow> </mml:msub> </mml:mrow> <mml:mi> |</米米l:mi> </mml:mrow> <mml:mo> ∇</米米l:mo> </mml:mrow> </mml:mfenced> </mml:mrow> </mml:mstyle> <mml:mo> ,</米米l:mo> </mml:mtd> </mml:mlabeledtr> </mml:mtable> </mml:math> </disp-formula>在哪里<我talic> o</我talic>是样品的数量。当<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M35"> <mml:mo> ∇</米米l:mo> </mml:math> </inline-formula>达到最大时,隐层的能量是最小的。当网络中的数据传输,数据流的方向也是能量耗散的方向。经过多次迭代,网络能量逐渐衰减,网络往往是有序或概率分布趋于集中。</gydF4y2Bap> </sec> <sec id="sec2.5"> <title>2.5。评价指标</t我tle><p>精度、灵敏度和特异性被用来定量评价模型的性能。损伤图像的主要观察指标包括病变的位置、病变,病变的大小、形状的病变,信号强度,肿瘤周围的水肿,增强的程度(<xgydF4y2Baref ref-type="bibr" rid="B16"> 16</xgydF4y2Baref>]。后最初的MRI图像传送到工作站,它是由函数处理工具(<xgydF4y2Baref ref-type="disp-formula" rid="EEq2"> 2</xgydF4y2Baref>)软件获取ADC地图和FA地图,FA值和ADC值测量。随后,rFA和rADC值获得根据肿瘤部位和肿瘤的比例水肿区侧白质区,分别。</gydF4y2Bap> </sec> <sec id="sec2.6"> <title>2.6。统计方法</t我tle><p>数据使用SPSS19.0统计软件进行处理。测量数据被表示为均值±标准差<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M36"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mrow> <mml:mover accent="true"> <mml:mi> x</米米l:mi> <mml:mo> ¯</米米l:mo> </mml:mover> </mml:mrow> <mml:mo> ±</米米l:mo> <mml:mi> 年代</米米l:mi> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。比较每组是由之间的意思<我talic> t</我talic>以及。计数数据表达的百分比(%),和<我talic> χ</我talic><sup>2</年代up>测试使用<我talic> 。</我talic> <inline-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M37"> <mml:mi> P</米米l:mi> <mml:mo> <</米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:math> </inline-formula>是阈值的意义。</gydF4y2Bap> </sec> </sec> <sec id="sec3"> <title>3所示。结果</t我tle><年代ec id="sec3.1"> <title>3.1。一般信息</t我tle><p>60 BG病人包括44名男性和16名女性(图<xgydF4y2Baref ref-type="fig" rid="fig1"> 1</xgydF4y2Baref>)。低级的BG组23例,13是男性,和10个女性,平均年龄为54.16±3.45年。高档BG组37例,有20个男性和17名女性,平均年龄为53.45±4.18年(图<xgydF4y2Baref ref-type="fig" rid="fig2"> 2</xgydF4y2Baref>)。没有显著的差异在两组患者之间的一般信息<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M38"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> P</米米l:mi> <mml:mo> ></米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>组间可比性,他们。</gydF4y2Bap> <fig id="fig1"> <label>图1</lgydF4y2Baabel> <p>男性对女性的比例。</gydF4y2Bap> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.001"></graphic> </fig> <fig id="fig2"> <label>图2</lgydF4y2Baabel> <p>一般信息。</gydF4y2Bap> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.002"></graphic> </fig> </sec> <sec id="sec3.2"> <title>3.2。病理结果</t我tle><p>根据世界卫生组织的国际分类和分级标准,所有患者分为高档BG集团和低级的BG集团。病理检查显示,有23例轻度英国天然气集团:6例年级我星形细胞瘤和次级细胞瘤17例。有37例中高档英国天然气集团:7例三级未分化间胶质瘤,三级间变性星形细胞瘤10例,第四年级胶质母细胞瘤(图20例<xgydF4y2Baref ref-type="fig" rid="fig3"> 3</xgydF4y2Baref>)。</gydF4y2Bap> <fig id="fig3"> <label>图3</lgydF4y2Baabel> <p>病理分类的病人。</gydF4y2Bap> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.003"></graphic> </fig> </sec> <sec id="sec3.3"> <title>3.3。BG的诊断基于深度学习算法</t我tle><p>根据图<xgydF4y2Baref ref-type="fig" rid="fig4"> 4</xgydF4y2Baref>很明显,与传统特色和深度学习特征融合后,核磁共振已各指标在一定程度上改善。算法的灵敏度高于90%,神经胶质瘤诊断敏感性等级IV高达98.28%;特异性高于78%,特异性诊断等级IV神经胶质瘤是高达95.85%;检测精度高于95%。这表明MRI基于深度学习探测BG相对良好的性能,它可用于临床诊断的BG,协助医生诊断高危患者。</gydF4y2Bap> <fig id="fig4"> <label>图4</lgydF4y2Baabel> <p>深入学习算法的性能。</gydF4y2Bap> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.004"></graphic> </fig> </sec> <sec id="sec3.4"> <title>3.4。核磁共振图像分析</t我tle><p>图<xgydF4y2Baref ref-type="fig" rid="fig5"> 5</xgydF4y2Baref>核磁共振图像显示颅内脓肿病灶和肿瘤坏死。很明显,细胞的数量和高粘度脓肿集中限制水分子的扩散和运动。</gydF4y2Bap> <fig-group id="fig5"> <label>图5</lgydF4y2Baabel> <p>颅内脓肿病灶的MRI图像伴随着肿瘤坏死。左侧枕叶的脓肿焦点显示圆形T1增强信号(a),醉酒驾车高信号(b)、(c)和ADC低信号。左侧岛叶的胶质母细胞瘤显示不规则<我talic> T</我talic><sub>1</年代ub>循环增强(d)、低醉酒驾车信号(e)和高ADC信号(f)。</gydF4y2Bap> <fig id="fig5a"> <label>(一)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.005a"></graphic> </fig> <fig id="fig5b"> <label>(b)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.005b"></graphic> </fig> <fig id="fig5c"> <label>(c)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.005c"></graphic> </fig> <fig id="fig5d"> <label>(d)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.005d"></graphic> </fig> <fig id="fig1e"> <label>(e)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.005e"></graphic> </fig> <fig id="fig5f"> <label>(f)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.005f"></graphic> </fig> </fig-group> <p>图<xgydF4y2Baref ref-type="fig" rid="fig6"> 6</xgydF4y2Baref>与BG女性的MRI图像,44岁。很明显,减少细胞外空间细胞质和细胞核的比率的增加导致了水分子的扩散限制高档肿瘤。相应地,ADC值与肿瘤分级负相关,和低品位的肿瘤都有更高的ADC值。</gydF4y2Bap> <fig-group id="fig6"> <label>图6</lgydF4y2Baabel> <p>核磁共振与BG的女性形象。左颞叶的低级星形细胞瘤显示不均匀增强,T1WI (a),低信号为醉酒驾车(b),和高信号ADC (c)。左侧岛叶的胶质母细胞瘤显示不均匀增强,T1WI (d)。</gydF4y2Bap> <fig id="fig6a"> <label>(一)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.006a"></graphic> </fig> <fig id="fig6b"> <label>(b)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.006b"></graphic> </fig> <fig id="fig6c"> <label>(c)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.006c"></graphic> </fig> <fig id="fig6d"> <label>(d)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.006d"></graphic> </fig> </fig-group> <p>图<xgydF4y2Baref ref-type="fig" rid="fig7"> 7</xgydF4y2Baref>是一个男性的MRI图像与BG,享年45岁。很明显,rCBV高档组高于轻度组。</gydF4y2Bap> <fig-group id="fig7"> <label>图7</lgydF4y2Baabel> <p>核磁共振与BG的男性形象。天赋的序列三级间变性星形细胞瘤患者(a)表明hyperintensity集中在左额叶和hypointensity TIWI增强(b)。没有增强由于血脑屏障的完整性。cb v的值都未在左边的rCBV侧额叶的5.7倍,表明肿瘤组织有更高的毛细血管密度(c);二级纤维性星形细胞瘤患者,hyperintensity重点观察右额叶的T2WI (d)。同样的,没有明显的增强重点(e),也没有明显的增加焦rCBV (f)。</gydF4y2Bap> <fig id="fig7a"> <label>(一)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.007a"></graphic> </fig> <fig id="fig7b"> <label>(b)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.007b"></graphic> </fig> <fig id="fig7c"> <label>(c)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.007c"></graphic> </fig> <fig id="fig7d"> <label>(d)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.007d"></graphic> </fig> <fig id="fig7e"> <label>(e)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.007e"></graphic> </fig> <fig id="fig7f"> <label>(f)</lgydF4y2Baabel> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.007f"></graphic> </fig> </fig-group> </sec> <sec id="sec3.5"> <title>3.5。rFA的比较</t我tle><p>很明显从图<xgydF4y2Baref ref-type="fig" rid="fig8"> 8</xgydF4y2Baref>rFA的高档和低档组肿瘤组织的值分别为0.3192和0.3771,分别都小于瘤旁的rFA值水肿<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M39"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> P</米米l:mi> <mml:mo> <</米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。</gydF4y2Bap> <fig id="fig8"> <label>图8</lgydF4y2Baabel> <p>rFA的比较值。∗表明肿瘤的rFA值的身体是明显不同于瘤旁水肿的rFA值相同的高档和低档年级组<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M40"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> P</米米l:mi> <mml:mo> <</米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。</gydF4y2Bap> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.008"></graphic> </fig> </sec> <sec id="sec3.6"> <title>3.6。比较rADC</t我tle><p>图<xgydF4y2Baref ref-type="fig" rid="fig9"> 9</xgydF4y2Baref>显示了rADC高档组和轻度组之间的值。rADC值瘤旁水肿的高档组和轻度组分别为1.482和2.082,分别都大于肿瘤组织的rADC值相同的等级<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M41"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> P</米米l:mi> <mml:mo> <</米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。rADC值肿瘤组织的高级组和轻度组分别为1.853和1.352,分别<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M42"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> P</米米l:mi> <mml:mo> <</米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。显著差异指出rADC值之间的瘤旁水肿高级和低级的团体<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M43"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> P</米米l:mi> <mml:mo> <</米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。</gydF4y2Bap> <fig id="fig9"> <label>图9</lgydF4y2Baabel> <p>两组之间的比较rADC值。∗表明肿瘤的rADC价值身体明显不同于瘤旁水肿的rADC价值相同的等级在轻度组和高级组<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M44"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> P</米米l:mi> <mml:mo> <</米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。</gydF4y2Bap> <graphic xlink:href="//www.newsama.com/downloads/journals/sp/2021/6778009.fig.009"></graphic> </fig> </sec> </sec> <sec id="sec4"> <title>4所示。讨论</t我tle><p>天然气是一种常见的颅内肿瘤。制定最好的治疗方案和评估预后,需要准确地分类BG。病理活检是一种常见的方法用于分类BG,但有时不够准确,因为BG可以异构,同样的肿瘤可能有病理特征的两个或两个以上的成绩在同一时间。核磁共振技术协助神经胶质瘤术前评分,这是具有重要意义的制定适当的BG的诊断和治疗计划。在这项研究中,一个深上优于多通道特性建立了融合模型,并应用于BG分类。结果发现,结合传统的特性和深度学习功能后,核磁共振已各指标在一定程度上改善。修改后的算法的敏感性高于90%,神经胶质瘤诊断敏感性等级IV是高达98.28%。特异性高于78%,特异性诊断等级IV神经胶质瘤是高达95.85%。精度是95%以上。这说明MRI基于深度学习模型探测BG相对良好的性能,而且可用于临床诊断的BG,协助医生诊断高危患者。 The research results were similar to those of Kocher et al. (2020) [<xref ref-type="bibr" rid="B17"> 17</xgydF4y2Baref>),表明该优化深度学习算法应用于核磁共振图像诊断可以提高诊断的敏感性和准确性。</gydF4y2Bap> <p>ADC值的平均价值反映体内水分子的扩散在所有的方向。它是用来表达的速度和范围的水分子的扩散运动在病人的身体。如果水分子的扩散更明显,ADC值较高。肿瘤细胞浸润和水肿,导致癌变,将改变水分子的扩散能力在当地的脑组织,导致ADC值的变化。在实验中,rADC值的瘤旁水肿区高档组和轻度组都比同年级的肿瘤,差异显著<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M45"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> P</米米l:mi> <mml:mo> <</米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。一个明显的区别是在rADC高档组和轻度组之间的价值<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M46"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> P</米米l:mi> <mml:mo> <</米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>和rADC值之间的神经胶质瘤肿瘤前期水肿区高档组和轻度组<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M47"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> P</米米l:mi> <mml:mo> <</米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。这是符合Volovitz等人的结论rADC肿瘤领域的价值和对侧正常白质与肿瘤级别面积呈负相关。这是由于神经胶质瘤的渗透和增长。因为病理分级、肿瘤大小、位置和细胞成分不同,肿瘤细胞的浸润周围纤维也是截然不同的。rFA值之间的显著差异被发现肿瘤的身体的rFA值瘤旁水肿区高档和低档组<我nl我ne-formula> <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M48"> <mml:mfenced open="(" close=")" separators="|"> <mml:mrow> <mml:mi> P</米米l:mi> <mml:mo> <</米米l:mo> <mml:mn> 0.05</米米l:mn> </mml:mrow> </mml:mfenced> </mml:math> </inline-formula>。FA值可以用来区分正常组织和肿瘤强化区域,坏死囊性领域,和瘤旁水肿区。Nalawade et al。(2019)<xgydF4y2Baref ref-type="bibr" rid="B18"> 18</xgydF4y2Baref>相信FA值可以区分高级和低级的神经胶质瘤,他们帮助BG的分类。在这项研究中,肿瘤的rFA值身体出现了明显不同于瘤旁的水肿区高档组和轻度组,表明rFA值可以用来区分肿瘤瘤旁的身体水肿区。然而,样本容量小,这可能减少在研究结果的力量。</gydF4y2Bap> </sec> <sec id="sec5"> <title>5。结论</t我tle><p>在这项研究中,一个深上优于多通道特性建立了融合模型,并应用于BG分类。发现MRI基于深度学习明显改善神经胶质肿瘤的分类结果,显示增加敏感性,特异性和准确性。然而,应该注意的一些限制。样本量小,这将减少该研究的力量。在后续,扩大样本容量是必要的加强这个研究的发现。MRI基于深度学习提高了敏感性,特异性,诊断BG和准确性,可以更精确地分类BG病态,BG的为临床治疗提供参考。</gydF4y2Bap> </sec> <back> <sec sec-type="data-availability"> <title>数据可用性</t我tle><p>没有数据被用来支持本研究。</gydF4y2Bap> </sec> <sec sec-type="COI-statement"> <title>的利益冲突</t我tle><p>作者宣称没有利益冲突。</gydF4y2Bap> </sec> <ref-list> <ref id="B1" content-type="article"> <label>1</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> Perreault</年代urname> <given-names> 年代。</g我ven-names> </name> <name> <surname> Larouche</年代urname> <given-names> V。</g我ven-names> </name> <name> <surname> Tabori</年代urname> <given-names> U。</g我ven-names> </name> <etal></etal> </person-group> <article-title> 第二阶段研究trametinib儿科神经胶质瘤患者肿瘤或丛状神经纤维瘤耐火材料和激活MAPK / ERK通路:TRAM-01</gydF4y2Baarticle-title> <source> <italic> BMC癌症</我talic> <year> 2019年</gydF4y2Bayear> <volume> 19</gydF4y2Bavolume> <issue> 1</我年代年代ue><fpage> 1250年</fgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1186 / s12885 - 019 - 6442 - 2</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B2" content-type="article"> <label>2</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 白</年代urname> <given-names> J。</g我ven-names> </name> <name> <surname> Varghese</年代urname> <given-names> J。</g我ven-names> </name> <name> <surname> 耆那教徒的</年代urname> <given-names> R。</g我ven-names> </name> </person-group> <article-title> 成人神经胶质瘤分类更新,基因组学,成像:放射科医生需要知道什么</gydF4y2Baarticle-title> <source> <italic> 主题在磁共振成像</我talic> <year> 2020年</gydF4y2Bayear> <volume> 29日</gydF4y2Bavolume> <issue> 2</我年代年代ue><fpage> 71年</fgydF4y2Bapage> <lpage> 82年</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1097 / RMR.0000000000000234</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B3" content-type="article"> <label>3</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 价格</年代urname> <given-names> 美国J。</g我ven-names> </name> <name> <surname> 吉拉德</年代urname> <given-names> j . H。</g我ven-names> </name> </person-group> <article-title> 脑部肿瘤边缘成像生物标志物和肿瘤入侵</gydF4y2Baarticle-title> <source> <italic> 英国放射学杂志》上</我talic> <year> 2011年</gydF4y2Bayear> <volume> 84年</gydF4y2Bavolume> <issue> 2</我年代年代ue><fpage> S159</fgydF4y2Bapage> <lpage> S167</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1259 / bjr / 26838774</gydF4y2Bapub-id> <pub-id pub-id-type="other"> 2 - s2.0 - 84867197203</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B4" content-type="article"> <label>4</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> Slegers</年代urname> <given-names> r . J。</g我ven-names> </name> <name> <surname> Blumcke</年代urname> <given-names> 我。</g我ven-names> </name> </person-group> <article-title> 低级的发育与癫痫相关的脑部肿瘤:2020年重要的更新</gydF4y2Baarticle-title> <source> <italic> Acta Neuropathologica通信</我talic> <year> 2020年</gydF4y2Bayear> <volume> 8</gydF4y2Bavolume> <issue> 1</我年代年代ue><fpage> 27</fgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1186 / s40478 - 020 - 00904 - x</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B5" content-type="article"> <label>5</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 回来</年代urname> <given-names> H。</g我ven-names> </name> <name> <surname> 乌尔里希</年代urname> <given-names> R。</g我ven-names> </name> <name> <surname> Neumaier</年代urname> <given-names> B。</g我ven-names> </name> <name> <surname> Kracht</年代urname> <given-names> l</g我ven-names> </name> <name> <surname> Wienhard</年代urname> <given-names> K。</g我ven-names> </name> <name> <surname> 雅可布</年代urname> <given-names> a . H。</g我ven-names> </name> </person-group> <article-title> 无创18 f-flt人脑宠物的量化评估神经胶质瘤患者的肿瘤扩散的高档</gydF4y2Baarticle-title> <source> <italic> 欧洲核医学与分子影像杂志》上</我talic> <year> 2009年</gydF4y2Bayear> <volume> 36</gydF4y2Bavolume> <issue> 12</我年代年代ue><fpage> 1960年</fgydF4y2Bapage> <lpage> 1967年</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1007 / s00259 - 009 - 1244 - 4</gydF4y2Bapub-id> <pub-id pub-id-type="other"> 2 - s2.0 - 71849098039</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B6" content-type="article"> <label>6</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 阿贝卡西斯医生开</年代urname> <given-names> i . J。</g我ven-names> </name> <name> <surname> Cordy</年代urname> <given-names> B。</g我ven-names> </name> <name> <surname> Durfy</年代urname> <given-names> 年代。</g我ven-names> </name> <etal></etal> </person-group> <article-title> 评估angioarchitectural胶质和转移性脑部肿瘤的特点与常规磁共振成像</gydF4y2Baarticle-title> <source> <italic> 临床神经科学杂志</我talic> <year> 2020年</gydF4y2Bayear> <volume> 76年</gydF4y2Bavolume> <fpage> 46</fgydF4y2Bapage> <lpage> 52</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1016 / j.jocn.2020.04.051</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B7" content-type="article"> <label>7</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 范Dijken</年代urname> <given-names> b . r . J。</g我ven-names> </name> <name> <surname> Laar范</年代urname> <given-names> p . J。</g我ven-names> </name> <name> <surname> Holtman</年代urname> <given-names> g。</g我ven-names> </name> <name> <surname> van der Hoorn</年代urname> <given-names> 一个。</g我ven-names> </name> </person-group> <article-title> 磁共振成像技术诊断准确性高档神经胶质瘤患者的治疗反应评价,系统回顾和荟萃分析</gydF4y2Baarticle-title> <source> <italic> 欧洲放射学</我talic> <year> 2017年</gydF4y2Bayear> <volume> 27</gydF4y2Bavolume> <issue> 10</我年代年代ue><fpage> 4129年</fgydF4y2Bapage> <lpage> 4144年</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1007 / s00330 - 017 - 4789 - 9</gydF4y2Bapub-id> <pub-id pub-id-type="other"> 2 - s2.0 - 85015927804</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B8" content-type="article"> <label>8</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 沈</年代urname> <given-names> c·W。</g我ven-names> </name> <name> <surname> 何</年代urname> <given-names> j . T。</g我ven-names> </name> <name> <surname> Ly</年代urname> <given-names> P。</g我ven-names> </name> <etal></etal> </person-group> <article-title> 使用虚拟现实学习行为的意图:观点的接受信息技术与学习方式</gydF4y2Baarticle-title> <source> <italic> 虚拟现实</我talic> <year> 2018年</gydF4y2Bayear> <volume> 23</gydF4y2Bavolume> <issue> 3</我年代年代ue><fpage> 313年</fgydF4y2Bapage> <lpage> 324年</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1007 / s10055 - 018 - 0348 - 1</gydF4y2Bapub-id> <pub-id pub-id-type="other"> 2 - s2.0 - 85047160203</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B9" content-type="article"> <label>9</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> Lv</年代urname> <given-names> Z。</g我ven-names> </name> <name> <surname> 秀</年代urname> <given-names> W。</g我ven-names> </name> </person-group> <article-title> 交互edge-cloud计算基于SDN和NFV下一代物联网</gydF4y2Baarticle-title> <source> <italic> IEEE物联网</我talic> <year> 2020年</gydF4y2Bayear> <volume> 7</gydF4y2Bavolume> <issue> 7</我年代年代ue><fpage> 5706年</fgydF4y2Bapage> <lpage> 5712年</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1109 / jiot.2019.2942719</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B10" content-type="article"> <label>10</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> Volovitz</年代urname> <given-names> 我。</g我ven-names> </name> <name> <surname> Shapira</年代urname> <given-names> N。</g我ven-names> </name> <name> <surname> 以察</年代urname> <given-names> H。</g我ven-names> </name> <etal></etal> </person-group> <article-title> 非侵蚀性的、高效的酶方法离解人类脑部肿瘤和脑组织的可行的单个细胞</gydF4y2Baarticle-title> <source> <italic> BMC神经科学</我talic> <year> 2016年</gydF4y2Bayear> <volume> 17</gydF4y2Bavolume> <issue> 1</我年代年代ue><fpage> 30.</fgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1186 / s12868 - 016 - 0262 - y</gydF4y2Bapub-id> <pub-id pub-id-type="other"> 2 - s2.0 - 84971412796</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B11" content-type="article"> <label>11</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> Vamvakas</年代urname> <given-names> 一个。</g我ven-names> </name> <name> <surname> 威廉姆斯</年代urname> <given-names> s . C。</g我ven-names> </name> <name> <surname> Theodorou</年代urname> <given-names> K。</g我ven-names> </name> <etal></etal> </person-group> <article-title> 先进multiparametric MRI成像生物标志物分析神经胶质瘤分级</gydF4y2Baarticle-title> <source> <italic> 自然史》</我talic> <year> 2019年</gydF4y2Bayear> <volume> 60</gydF4y2Bavolume> <fpage> 188年</fgydF4y2Bapage> <lpage> 198年</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1016 / j.ejmp.2019.03.014</gydF4y2Bapub-id> <pub-id pub-id-type="other"> 2 - s2.0 - 85063205125</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B12" content-type="article"> <label>12</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> Sasi</年代urname> <given-names> s D。</g我ven-names> </name> <name> <surname> Ramaniharan</年代urname> </name> <name> <surname> Anandh</年代urname> <given-names> K。</g我ven-names> </name> <etal></etal> </person-group> <article-title> 评价高分辨率的可行性<我talic> T</我talic> <sub>1</年代ub>使用压缩感知与全脑灌注MRI报道:应用神经胶质瘤分级</gydF4y2Baarticle-title> <source> <italic> 欧洲放射学杂志</我talic> <year> 2020年</gydF4y2Bayear> <volume> 129年</gydF4y2Bavolume> <fpage> 109049年</fgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1016 / j.ejrad.2020.109049</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B13" content-type="article"> <label>13</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 阿斯兰</年代urname> <given-names> K。</g我ven-names> </name> <name> <surname> Gunbey</年代urname> <given-names> h·P。</g我ven-names> </name> <name> <surname> Tomak</年代urname> <given-names> l</g我ven-names> </name> <name> <surname> Incesu</年代urname> <given-names> l</g我ven-names> </name> </person-group> <article-title> Multiparametric MRI在区分单独从高档神经胶质瘤脑转移:结合使用的诊断价值diffusion-weighted成像,动态敏感性对比成像和核磁共振光谱参数</gydF4y2Baarticle-title> <source> <italic> Neurologia我Neurochirurgia波兰</我talic> <year> 2019年</gydF4y2Bayear> <volume> 53</gydF4y2Bavolume> <issue> 3</我年代年代ue><fpage> 227年</fgydF4y2Bapage> <lpage> 237年</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.5603 / PJNNS.a2019.0024</gydF4y2Bapub-id> <pub-id pub-id-type="other"> 2 - s2.0 - 85068887118</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B14" content-type="article"> <label>14</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 剃须刀</年代urname> <given-names> M。</g我ven-names> </name> <name> <surname> Kohanteb</年代urname> <given-names> P。</g我ven-names> </name> <name> <surname> 邱</年代urname> <given-names> C。</g我ven-names> </name> <etal></etal> </person-group> <article-title> 神经肿瘤学学会举办优化成像:回顾深度学习方法神经胶质瘤成像</gydF4y2Baarticle-title> <source> <italic> 癌症</我talic> <year> 2019年</gydF4y2Bayear> <volume> 11</gydF4y2Bavolume> <issue> 6</我年代年代ue><fpage> 829年</fgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.3390 / cancers11060829</gydF4y2Bapub-id> <pub-id pub-id-type="other"> 2 - s2.0 - 85071154303</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B15" content-type="article"> <label>15</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 常</年代urname> <given-names> K。</g我ven-names> </name> <name> <surname> 啤酒</年代urname> <given-names> a . L。</g我ven-names> </name> <name> <surname> 白</年代urname> <given-names> h . X。</g我ven-names> </name> <etal></etal> </person-group> <article-title> 自动评估神经胶质瘤负担:深入学习算法完全自动化的体积和二维的测量</gydF4y2Baarticle-title> <source> <italic> Neuro-Oncology</我talic> <year> 2019年</gydF4y2Bayear> <volume> 21</gydF4y2Bavolume> <issue> 11</我年代年代ue><fpage> 1412年</fgydF4y2Bapage> <lpage> 1422年</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1093 / neuonc / noz106</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B16" content-type="article"> <label>16</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> 班加罗尔Yogananda</年代urname> <given-names> c·G。</g我ven-names> </name> <name> <surname> 沙阿</年代urname> <given-names> b R。</g我ven-names> </name> <name> <surname> Vejdani-Jahromi</年代urname> <given-names> M。</g我ven-names> </name> <etal></etal> </person-group> <article-title> 小说完全自动化的mri深度学习的分类方法IDH突变状态的大脑神经胶质瘤</gydF4y2Baarticle-title> <source> <italic> Neuro-Oncology</我talic> <year> 2020年</gydF4y2Bayear> <volume> 22</gydF4y2Bavolume> <issue> 3</我年代年代ue><fpage> 402年</fgydF4y2Bapage> <lpage> 411年</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1093 / neuonc / noz199</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B17" content-type="article"> <label>17</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> Kocher</年代urname> <given-names> M。</g我ven-names> </name> <name> <surname> Ruge</年代urname> <given-names> m . I。</g我ven-names> </name> <name> <surname> Galldiks</年代urname> <given-names> N。</g我ven-names> </name> <name> <surname> 罗曼</年代urname> <given-names> P。</g我ven-names> </name> </person-group> <article-title> radiomics和机器学习的应用对放射治疗恶性脑瘤</gydF4y2Baarticle-title> <source> <italic> Strahlentherapie和Onkologie</我talic> <year> 2020年</gydF4y2Bayear> <volume> 196年</gydF4y2Bavolume> <issue> 10</我年代年代ue><fpage> 856年</fgydF4y2Bapage> <lpage> 867年</lgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1007 / s00066 - 020 - 01626 - 8</gydF4y2Bapub-id> </element-citation> </ref> <ref id="B18" content-type="article"> <label>18</lgydF4y2Baabel> <element-citation publication-type="journal"> <person-group person-group-type="author"> <name> <surname> Nalawade</年代urname> <given-names> 年代。</g我ven-names> </name> <name> <surname> Murugesan</年代urname> <given-names> g·K。</g我ven-names> </name> <name> <surname> Vejdani-Jahromi</年代urname> <given-names> M。</g我ven-names> </name> <etal></etal> </person-group> <article-title> 脑瘤异柠檬酸脱氢酶的分类地位使用MRI和深度学习</gydF4y2Baarticle-title> <source> <italic> 医学影像杂志</我talic> <year> 2019年</gydF4y2Bayear> <volume> 6</gydF4y2Bavolume> <issue> 4</我年代年代ue><fpage> 046003年</fgydF4y2Bapage> <pub-id pub-id-type="doi"> 10.1117/1. jmi.6.4.046003</gydF4y2Bapub-id> </element-citation> </ref> </ref-list> </back> </article> </body> </html>