基于多种机器学习算法的MRI影像组学模型预测直肠癌微卫星不稳定状态

李陆; 卜文; 孙巧玉; 王伟; 张玉文; 姜海东; 陈艾琪; 沈俊杰

doi:10.19732/j.cnki.2096-6210.2024.06.002

您当前的位置：

首页 >

文章列表页 >

基于多种机器学习算法的MRI影像组学模型预测直肠癌微卫星不稳定状态

更新时间：2025-12-15

- 基于多种机器学习算法的MRI影像组学模型预测直肠癌微卫星不稳定状态
- Prediction of microsatellite instability in rectal cancer using MRI radiomics models based on multiple machine learning algorithms
- “蚌埠医科大学第一附属医院研究团队利用多参数MRI影像组学特征和机器学习算法，构建了预测直肠癌微卫星不稳定状态的模型，展现出较高的诊断效能。”
- 肿瘤影像学 2024年33卷第6期页码：577-585
- 作者机构：
  
  蚌埠医科大学第一附属医院放射科，安徽蚌埠 233000
- 作者简介：
  
  沈俊杰 E-mail: 395932108@qq.com
- 基金信息：
- DOI：10.19732/j.cnki.2096-6210.2024.06.002
  中图分类号：
- 收稿：2024-09-06，
  
  网络出版：2025-01-02，
  
  纸质出版：2024-12-28
- 稿件说明：
移动端阅览
李陆, 卜文, 孙巧玉, 等. 基于多种机器学习算法的MRI影像组学模型预测直肠癌微卫星不稳定状态[J]. 肿瘤影像学, 2024,33(6):577-585.

Lu LI, Wen BU, Qiaoyu SUN, et al. Prediction of microsatellite instability in rectal cancer using MRI radiomics models based on multiple machine learning algorithms[J]. Oncoradiology, 2024, 33(6): 577-585.
李陆, 卜文, 孙巧玉, 等. 基于多种机器学习算法的MRI影像组学模型预测直肠癌微卫星不稳定状态[J]. 肿瘤影像学, 2024,33(6):577-585. DOI： 10.19732/j.cnki.2096-6210.2024.06.002.

Lu LI, Wen BU, Qiaoyu SUN, et al. Prediction of microsatellite instability in rectal cancer using MRI radiomics models based on multiple machine learning algorithms[J]. Oncoradiology, 2024, 33(6): 577-585. DOI： 10.19732/j.cnki.2096-6210.2024.06.002.

浏览量

358

下载量

CNKI被引量

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高分辨率T2WI的影像组学列线图预测直肠癌神经周围侵犯的研究

基于RESOLVE ADC的影像组学列线图在预测直肠癌壁外血管侵犯中的应用价值

多参数MRI影像组学列线图术前预测子宫内膜癌风险分层的价值

基于多参数磁共振影像组学和机器学习模型的乳腺癌前哨淋巴结转移预测研究

基于直肠腔内超声的影像组学模型预测直肠癌KRAS基因突变的应用

基于多种机器学习算法的MRI影像组学模型预测直肠癌微卫星不稳定状态

Prediction of microsatellite instability in rectal cancer using MRI radiomics models based on multiple machine learning algorithms

DOI：10.19732/j.cnki.2096-6210.2024.06.002