检索历史 清除

【中文期刊】 陆宇 江会  《护理研究》 2024年38卷1期 24-30页 ISTICPKU

【摘要】 目的:运用决策树、逻辑回归和支持向量机构建宫颈癌根治性切除术后尿潴留风险预测模型并比较性能,为评估及预防宫颈癌术后尿潴留提供参考依据.方法:回顾性收集459例宫颈癌根治性切除术病人的临床资料,采用决策树、支持向量机和逻辑回归3种机器学习方法...

【关键词】 宫颈癌； 尿潴留； 危险因素；

【中文期刊】 宋志云 戴韬寅  等 《器官移植》 2024年15卷4期 591-598页 ISTICPKUCSCDCA

【摘要】 目的 探索性构建基于机器学习算法预测特发性肺纤维化(IPF)肺移植受者术后原发性移植物功能障碍(PGD)的预后模型.方法 回顾性分析226例行肺移植手术的IPF患者的资料.所有入组患者按7∶3随机划分为训练集和测试集.利用正则化logist...

【关键词】 肺移植； 特发性肺纤维化； 机器学习；

【中文期刊】 叶露 刘孟轩  等 《磁共振成像》 2024年15卷2期 108-114页 ISTICPKUCSCDCA

【摘要】 目的 基于多变量模式分析(multivariate pattern analysis,MVPA)对飞行学员和健康的普通人的大脑功能连接进行有效识别.材料与方法 采集了40名已经取得执照的飞行专业在校学生与39名地面专业在校学生的功能磁共振数...

【关键词】 飞行学员； 磁共振成像； 功能连接；

【中文期刊】 姜月 张云雷  等 《水生生物学报》 2024年48卷4期 617-624页 ISTICPKUCSCDCABP

【摘要】 研究根据2013-2020年在海州湾及其邻近海域进行的渔业资源和栖息环境综合调查数据,采用支持向量机(Support vector machine,SVM)模型,通过交叉验证,结合赤池信息准则(Akaike information crit...

【关键词】 海州湾； 支持向量机模型； 空间分布；

【中文期刊】 王亚婷 黄敏  等 《临床放射学杂志》 2024年43卷9期 1546-1551页 ISTICPKU

【摘要】 目的 构建并验证基于增强CT影像组学特征联合传统CT特征的机器学习SHAP模型术前预测胃肠道间质瘤(GIST)患者Ki-67表达状态.方法 回顾性搜集我院149例GIST患者临床、影像及病理资料.根据术后病理将患者分为Ki-67低表达组和高...

【关键词】 胃肠道间质瘤； 机器学习； 支持向量机；

【中文期刊】 武静 马彦云  等 《临床放射学杂志》 2024年43卷8期 1292-1297页 ISTICPKU

【摘要】 目的 探索基于数字乳腺断层摄影(DBT)图像的影像组学特征对术前预测三阴性乳腺癌(TNBC)的价值.方法 回顾分析乳腺癌患者的DBT图像及临床资料,按纳入排除标准共纳入198例患者,按照病理结果分为非三阴性乳腺癌(NTNBC)146例和TN...

【关键词】 数字乳腺断层摄影； 三阴性乳腺癌； 影像组学；

【中文期刊】 吴春梅 李轩昂  等 《国际医学放射学杂志》 2024年47卷3期 274-279,287页 ISTIC

【摘要】 目的 探讨基于多期相CT影像组学模型鉴别肾上腺腺瘤亚型的临床价值.方法 回顾性收集经术后病理证实为肾上腺腺瘤的病人195 例,均于术前行肾上腺CT平扫及增强检查.将病人按 8∶2 比例随机分成训练集(156例)和验证集(39 例).根据激素...

【关键词】 肾上腺腺瘤； 影像组学； 机器学习；

【中文期刊】 陈杰 洪悦  等 《中国CT和MRI杂志》 2024年22卷1期 71-73页 ISTIC

【摘要】 目的 探讨基于CT平扫的影像组学特征在预测胸腺上皮性肿瘤WHO简化病理分型中的应用价值.方法 回顾性收集2010年1月-2022年3月由病理结果证实的胸腺上皮肿瘤(TETS)患者共57例,通过TETS的WHO简化病理分型,分为低危组(A、A...

【关键词】 胸腺上皮肿瘤； WHO病理分型； 影像组学；

【中文期刊】 布买丽亚木·买买提艾力 陈杰  《中国中西医结合影像学杂志》 2024年22卷3期 250-254,281页 ISTIC

【摘要】 目的:探讨基于CT胰腺平扫影像组学在预测糖耐量受损人群胰岛素抵抗(IR)中的应用价值.方法:回顾性收集首次确诊的糖耐量受损患者381例,依据稳态模型胰岛素抵抗指数(HOMA-IR)中位数,分为高IR组191例,低IR组190例;并按照8∶2...

【关键词】 胰岛素抵抗； 影像组学； 支持向量机；

【中文期刊】 王献瑞 郭晓晗  等 《中国现代中药》 2024年26卷12期 2049-2055页 ISTICCA

【摘要】 目的:基于超高效液相色谱-四极杆飞行时间质谱法(UPLC-QTOF-MS)分析并经量化处理,结合支持向量机(SVM)进行数据建模,对人参生长年限进行数字化鉴定分析.方法:对 3、4、5、15 年生的人参样品进行UPLC-QTOF-MS分析,...

【关键词】 人参； 生长年限； 机器学习；