陈勇军
- 作品数：15 被引量：26H指数：3
- 供职机构：丽水市人民医院更多>>
- 发文基金：浙江省医药卫生科学研究基金更多>>
- 相关领域：医药卫生更多>>
- 基于增强T_1WI影像组学特征的机器学习模型预测脑膜瘤骨侵犯:一项多中心研究
- 2025年
- 目的:探讨基于增强T_(1)WI影像组学特征的机器学习模型术前预测脑膜瘤骨侵犯的应用价值。方法:回顾性搜集2015年1月-2023年12月经病理证实为脑膜瘤的315例患者。224例来自中心1的患者以7:3比例被随机分为训练集157例(无骨侵犯92例,骨侵犯65例)和内部测试集67例(无骨侵犯39例,骨侵犯28例);91例(无骨侵犯59例,骨侵犯32例)来自中心2的患者作为外部测试集。在增强T_(1)WI图像上勾画病灶并提取其影像组学特征,通过方差分析、单变量特征选择法和最小绝对收缩选择算子(LASSO)进行降维处理。采用逻辑回归、支持向量机、朴素贝叶斯和极端梯度提升决策树构建模型。选择测试集中平均曲线下面积(AUC)最高的作为最佳影像组学模型,并输出其影像组学评分。多因素logistic回归分析用于筛选临床危险因素,并进一步结合影像组学评分构建列线图模型。通过受试者工作特征曲线评估模型的预测效能。结果:最终筛选出10个与脑膜瘤骨侵犯显著相关的影像组学特征。性别和强化方式是预测脑膜瘤骨侵犯的临床危险因素。在测试集中,支持向量机的平均AUC最高(0.788)。由性别、强化方式和影像组学评分构建的列线图模型表现出最佳的预测效能,在训练集、内部测试集和外部测试集中的AUC分别为0.872、0.842和0.815。结论:基于增强T_(1)WI影像组学特征的机器学习模型对脑膜瘤骨侵犯具有较好的预测价值,结合临床危险因素建立的列线图模型能进一步提升其效能。
- 王伟康陈炜越陈勇军应海峰夏水伟纪建松
- 关键词：脑膜瘤列线图
- 多层螺旋CT诊断急性胸腹部创伤的临床价值分析被引量：7
- 2021年
- 目的分析多层螺旋CT诊断急性胸腹部创伤的临床诊断价值。方法选取2017年4月至2019年4月收治的急性胸腹部创伤患者90例为研究对象,分别进行X射线诊断以及多层螺旋CT诊断,以手术诊断结果作为金标准,对比X射线诊断以及多层螺旋CT诊断符合率。结果90例患者均经手术诊断确诊,确诊率为100.00%。其中6例皮下气肿、4例肋骨骨折、8例肩胛骨骨折、3例锁骨骨折、5例肺挫伤、5例胸腔积液、6例气胸、8例肺不张、4例纵膈气肿、8例纵膈血肿、5例肝脏损伤、4例脾脏损伤、3例肾脏损伤、5例胰腺损伤、6例腹腔积血、5例肠系膜撕裂伤、5例膈肌损伤。X射线诊断皮下气肿、肋骨骨折、肩胛骨骨折、锁骨骨折、肺挫伤、胸腔积液、气胸、肺不张、纵膈气肿、纵膈血肿、肝脏损伤、脾脏损伤、肾脏损伤、胰腺损伤、腹腔积血、肠系膜撕裂伤、膈肌损伤符合率分别为83.33%、75.00%、87.50%、66.67%、80.00%、80.00%、50.00%、100.00%、100.00%、100.00%、60.00%、100.00%、100.00%、100.00%、83.33%、80.00%、80.00%;多层螺旋CT诊断纵膈气肿符合率为75.00%、肾脏损伤符合率为66.67%,其余均为100.00%。多层螺旋CT诊断符合率(97.78%)均明显高于X射线诊断(84.44%)(P<0.05)。结论多层螺旋CT可显著提高急性胸腹部创伤诊断准确性,且操作方便,临床价值较高,值得借鉴。
- 朱斌陈德源陈勇军
- 关键词：X射线多层螺旋CT
- 基于磁共振成像联合临床因素构建产前胎盘植入的列线图预测模型
- 2024年
- 目的探讨产前胎盘植入的磁共振成像(MRI)征象及临床因素,并构建基于上述风险因素的列线图预测模型。方法回顾性分析2018年5月—2023年4月丽水市人民医院产科收治的临床高度怀疑为胎盘植入孕妇的临床资料。共纳入119例患者,依据分娩后综合诊断标准分为胎盘植入组(52例)和非胎盘植入组(67例)。收集患者临床资料和MRI征象,采用logistic回归分析法确立产前胎盘植入发生的独立风险因素,并构建基于上述风险因素的列线图预测模型,应用受试者工作特征(ROC)曲线验证模型的预测效能。结果119例患者均成功施行剖宫产手术和病理检查,无产妇死亡病例。52例患者发生胎盘植入,发生率为43.70%(52/119)。其中,粘连型、植入型及穿透型胎盘植入发生率分别为19.23%、69.23%及11.54%。两组剖宫产次数[(1.47±0.41)次vs.(1.31±0.38)次]、前置胎盘比例(69.23%vs.31.34%)、子宫肌层变薄比例(75.00%vs.38.81%)、子宫肌层-胎盘界面消失比例(71.15%vs.40.30%)、胎盘内T2低信号比例(73.08%vs.47.76%)、胎盘内异常血管比例(63.46%vs.20.90%)及胎盘/子宫膨出比例(42.31%vs.8.96%)比较,差异均有统计学意义(t=2.201,χ^(2)=16.840、15.474、11.214、7.747、22.198及18.100,均P<0.05)。多因素logistic回归分析结果显示,剖宫产次数、前置胎盘、胎盘内T2低信号、胎盘内异常血管及胎盘/子宫膨出均是胎盘植入发生的独立风险因素(OR=4.023、3.171、3.808、4.655及4.204,均P<0.05)。产前胎盘植入发生风险因素列线图预测模型的AUC为0.848(95%CI为0.770~0.907),灵敏度为78.85%,特异度为77.61%。结论剖宫产次数、前置胎盘、胎盘内T2低信号、胎盘内异常血管及胎盘/子宫膨出是胎盘植入发生的独立风险因素,基于上述风险因素的列线图预测模型具有较好的预测效能。
- 陈勇军严红艳
- 关键词：胎盘植入磁共振成像列线图
- 动态对比增强磁共振成像预测乳腺癌新辅助化疗病理完全缓解的临床价值
- 2024年
- 目的 探讨动态对比增强磁共振成像(dynamic contrast enhanced magnetic resonance imaging, DCE-MRI)预测乳腺癌新辅助化疗(neoadjuvant chemotherapy, NAC)病理完全缓解(pathological complete remission, pCR)的临床价值。方法 选择2020年9月—2022年9月在丽水市人民医院行NAC后手术切除的82例乳腺癌患者作为研究对象。于NAC前和第2个周期NAC后行DCE-MRI检查,获得定量参数包括容积转运常数(volume transfer constant, Ktrans)、速率常数(rate constant, Kep)及血管外细胞外间隙容积分数(extravascular extracellular volume fraction, Ve),并计算相应参数的变化程度ΔKtrans、ΔKep、ΔVe。根据Miller&Payne反应性分级标准,将82例患者分为pCR组(13例)与非pCR组(69例)。比较两组临床资料、病理特征及上述参数,采用logistic回归模型分析乳腺癌NAC-pCR的独立预测因素,通过受试者工作特征曲线(receiver operating characteristic curve, ROC)评估DCE-MRI定量参数预测乳腺癌NAC-pCR的价值。结果 NAC前两组Ktrans、Kep、Ve水平比较,差异均无统计学意义(t=0.515、0.401、0.234,均P>0.05);第2个周期NAC后两组Ktrans、Kep水平均下降(P<0.05),且pCR组低于非pCR组(t=4.626、2.700,均P<0.05),但Ve无明显变化(t=0.193,P>0.05)。pCR组ΔKtrans、ΔKep高于非pCR组(t=5.403、8.599,均P<0.05);两组ΔVe比较,差异无统计学意义(t=0.000,P>0.05)。logistic回归模型分析结果显示,ΔKtrans是乳腺癌NAC-pCR的独立预测因素(OR=2.032,95%CI:1.238~3.336,P<0.05)。ROC曲线分析显示,ΔKtrans预测乳腺癌NAC-pCR的曲线下面积为0.889,灵敏度为84.62%,特异度为81.16%(95%CI:0.800~0.948,P<0.05)。结论 DCE-MRI定量参数ΔKtrans对乳腺癌NAC-pCR具有较高的预测价值。
- 陈勇军邹建勋
- 关键词：增强磁共振成像乳腺癌新辅助化疗
- 基于颈动脉周围脂肪组织影像组学预测急性缺血性脑卒中
- 2025年
- 目的:探讨基于颈动脉周围脂肪组织(PVAT)影像组学在预测急性缺血性脑卒中(AIS)中的应用价值。方法:回顾性分析2020年1月至2023年6月温州医科大学附属第五医院(中心1)、2022年1月至2023年12月温州医科大学附属第二医院(中心2)及2020年1月至2023年6月丽水市人民医院(中心3)诊治的颅外段颈动脉粥样硬化患者的临床影像资料。中心1纳入250例患者作为训练集,中心2纳入143例患者作为外部测试集1,中心3纳入135例患者作为外部测试集2。所有患者根据临床诊断分为AIS组和非AIS组。从CT血管造影图像中提取PVAT的影像组学特征,通过降维获得最佳特征并建立6种机器学习分类器。选择外部测试集中平均AUC值最高的分类器作为最佳影像组学模型,并将其结果转换为影像组学评分(Rad-score)。将单因素分析中P<0.05的临床特征纳入多因素Logistic回归分析,得到与AIS相关的危险因素并建立临床模型。基于临床危险因素和Rad-score构建联合模型,并绘制列线图。采用ROC曲线评价预测模型的性能。结果:通过降维获得了10个最佳影像组学特征。外部测试集1和外部测试集2中6种分类器AUC范围分别为0.652~0.791、0.728~0.782。其中极端梯度提升(XGBoost)具有最佳的预测性能(平均AUC为0.787)。在多因素Logistic回归分析中,白细胞计数、高血压和高脂血症是预测AIS的危险因素。进一步基于临床危险因素和Rad-score建立的列线图模型表现出良好的预测性能,在训练集、外部测试集1和外部测试集2中的AUC分别为0.961、0.835、0.821。结论:基于颈动脉PVAT的影像组学模型对AIS具有较好的预测价值,进一步结合临床特征建立的列线图能够更好地提升预测性能。
- 王伟康陈炜越赵挺胡伟铭徐雷陈勇军应海峰纪建松
- CT脑灌注成像定量分析在急性脑梗死患者早期诊断中的应用研究被引量：2
- 2023年
- 目的 探讨CT脑灌注成像定量分析在急性脑梗死患者早期诊断中的应用效果。方法 选择急性脑梗死患者122例为对象并进行回顾性分析,所有患者均行脑CT检查并进行CT定量分析,观察梗死部位、大小情况并对定量分析结果进行比较。结果 缺血半暗带(IP)区血容量(CBV)与健侧区比较,差异无统计学意义(t=1.92,P>0.05),而平均通过时间(MTT)、达峰时间(TTP)值明显延长,脑血流量(CBF)值明显降低,差异均有统计学意义(t分别=12.76、11.13、-28.22,P均<0.05);IP区与脑梗区比较,CBV、CBF值明显升高,MTT值延长,TTP缩短,差异均有统计学意义(t分别=29.29、17.20、16.86、-23.79,P均<0.05);IP区相对脑血流量(rCBF)、相对平均通过时间(rMTT)、相对达峰时间(r TTP)、相对血容量(rCBV)与脑梗区比较,差异均有统计学意义(t分别=11.32、12.82、12.17、6.66,P均<0.05)。结论 CT脑灌注成像定量分析能够准确反映急性脑梗死患者脑血流灌注情况,通过区分患者脑组织灌注IP区、健侧区与脑梗区,对急性脑梗死患者早期诊断病变部位、范围与有无IP区提供可靠的影像学依据。
- 陈勇军钟根龙
- 关键词：急性脑梗死缺血半暗带CT脑灌注成像
- CT平扫影像组学预测甲状腺乳头状癌中央区隐匿性淋巴结转移的价值
- 2024年
- 目的:探讨基于CT平扫的影像组学术前预测甲状腺乳头状癌(PTC)中央区隐匿性淋巴结转移(OLNM)的价值。方法:回顾性分析2家医院(中心1和中心2)经病理证实为PTC患者的临床影像资料。中心1纳入394例,以7∶3的比例随机分为训练集276例和内部测试集118例;中心2纳入143例作为外部测试集。从CT平扫图像中提取病灶的影像组学特征,通过降维获得最佳特征,建立5种机器学习分类器。选择内部测试集和外部测试集中平均AUC最高的分类器作为最佳影像组学模型,并将其结果转换为影像组学评分。将单因素分析中P<0.05的临床和常规CT特征纳入多因素logistic回归分析,得到与OLNM相关的危险因素并建立临床模型。基于临床危险因素和影像组学评分构建联合模型,并绘制列线图。采用ROC曲线评价预测模型的性能。结果:从CT平扫图像中获得10个最佳影像组学特征。在内部测试集和外部测试集中,极端梯度提升具有最佳的预测性能(平均AUC为0.782)。进一步将性别、肿瘤最大径与影像组学评分相结合建立联合模型。联合模型在训练集、内部测试集和外部测试集中预测PTC中央区OLNM的AUC分别为0.869、0.823、0.802。结论:基于CT平扫的影像组学特征对PTC中央区OLNM具有较好的预测价值,进一步结合临床特征建立的联合模型能更好地提升性能。
- 李程超陈炜越陈勇军应海峰夏水伟纪建松
- 关键词：甲状腺乳头状癌淋巴结转移
- 基于多参数MRI的影像组学融合模型鉴别Luminal型与非Luminal型乳腺癌的应用价值
- 2024年
- 目的:探讨基于多参数MRI的影像组学融合模型在术前鉴别Luminal型与非Luminal型乳腺癌的价值。方法:回顾性收集2017年5月至2023年6月在温州医科大学附属第五医院(中心1)及2020年1月至2023年4月在丽水市人民医院(中心2)经病理证实的乳腺癌患者的临床病理及MRI资料。中心1纳入458例患者,以7:3的比例随机分为训练集(319例)和内部测试集(139例);中心2纳入215例患者作为外部测试集。所有患者在术前均行多参数乳腺MRI检查,且术后接受免疫组化分析确定其分子亚型。在Radcloud平台上提取T2WI、表观弥散系数、动态增强MRI序列中病灶的影像组学特征,通过降维获得最佳特征并建立6种机器学习分类器。选择测试集中AUC最高的分类器作为最佳影像组学模型,并将其结果输出为影像组学评分(Rad-score)。使用多因素Logistic回归分析筛选出独立危险因素,并建立临床模型。进一步基于Rad-score和临床危险因素建立融合模型,并绘制列线图。结果:通过降维得到19个最佳影像组学特征。在内部测试集和外部测试集中,6种机器学习分类器AUC分别为0.696~0.857、0.677~0.782,其中随机森林在内部测试集和外部测试集中具有最高的AUC(分别为0.857和0.782)。肿瘤最大径大和毛刺征是鉴别Luminal型和非Luminal型乳腺癌的危险因素,进一步结合Rad-score建立列线图模型。结果显示,该列线图具有较高的预测性能,在训练集、内部测试集及外部测试集中的AUC分别为0.941、0.877和0.811。结论:基于多参数MRI的影像组学融合模型可在术前有效鉴别Luminal型与非Luminal型乳腺癌。
- 吕星辉陈勇军应海峰夏水伟纪建松
- 关键词：乳腺肿瘤磁共振成像
- 多期相MRI影像组学预测乳腺癌人表皮生长因子受体2低表达和过表达状态的应用价值:一项多中心研究
- 2024年
- 目的:探讨多期相MRI影像组学预测乳腺癌人表皮生长因子受体2(HER2)低表达和过表达状态的应用价值。方法:回顾性分析2016年1月至2022年12月在温州医科大学附属第五医院(中心1,n=231)、丽水市人民医院(中心2,n=115)及温州医科大学附属第三医院(中心3,n=57)经术后病理免疫组化染色结果为“2+”,并经荧光原位杂交检测明确HER2状态的403例乳腺癌患者。提取动态增强MRI(DCE-MRI)第2期(DCE-2)和第6期(DCE-6)图像中病灶的影像组学特征,依次采用方差分析、单变量特征选择以及最小绝对收缩和选择算子(LASSO)对高维特征进行降维。采用支持向量机构建3个影像组学模型,包括DCE-2模型、DCE-6模型和DCE-2+DCE-6模型。将P<0.05的临床、病理和MRI影像特征纳入到多因素Logistic回归分析中,筛选出区分HER2低表达和过表达状态的独立影响因素,并建立临床模型。最终,基于最佳影像组学模型和临床影响因素构建联合模型,并绘制列线图。采用ROC曲线的AUC、灵敏度、特异度和准确度评价模型的诊断性能。结果:经LASSO回归分别得到9(DCE-2)、8(DCE-6)和14(DCE-2+DCE-6)个与预测HER2低表达和过表达状态显著相关的特征,并建立相应的影像组学模型。其中,DCE-2+DCE-6模型表现出最佳的诊断性能,其在训练集、外部验证集1和外部验证集2的AUC分别为0.892、0.812和0.833。多因素Logistic回归分析显示,肿瘤最大径和Ki-67表达是预测HER2低表达和过表达状态的独立影响因素,进一步结合DCE-2+DCE-6影像组学特征建立列线图。ROC曲线结果显示,该列线图呈现出良好的诊断性能,在训练集中的AUC、灵敏度、特异度、准确度分别为0.920、86.57%、87.80%、87.24%;在外部验证集1中的AUC、灵敏度、特异度、准确度分别为0.854、80.02%、82.67%、81.73%。在外部验证集2中的AUC、灵敏度、特异度、准确度分别为0.871、86.67%、78.57%、80.55%。结论:多期相MRI
- 丁敏溪陈炜越周毅陈勇军施昌盛钱旭升陈玲纪建松徐民
- 关键词：乳腺癌人表皮生长因子受体2
- 宫颈鳞状上皮内病变中高危型人乳头瘤病毒感染类型特征分析被引量：1
- 2025年
- 目的 探讨宫颈鳞状上皮内病变(SIL)患者中高危型人乳头瘤病毒(HPV)感染的情况并分析其特征。方法 回顾性分析丽水市人民医院妇科于2022年1月—2023年10月行宫颈组织病理学、HPV检测及阴道微生态检测的584例患者的临床资料,根据病变程度不同分为低级别鳞状上皮病变(LSIL)组87例,高级别鳞状上皮病变(HSIL)组239例,宫颈癌(CC)组10例、慢性宫颈炎(NC)组248例。分析4组患者的高危HPV感染情况、感染类型以及与阴道微生态环境的相关性,并按照高危HPV感染的情况将SIL组分为阳性组和阴性组,对两组的阴道微生态情况进行分析。结果 584例患者高危型HPV的感染率为62.8%(367/584),感染类型以HPV16型为主占28.8%(106/367)。SIL患者中高危型HPV阳性者288例,感染率88.3%(288/326)。NC组、LSIL组、HSIL组、CC组的高危型HPV感染率分布为27.8%(69/248)、78.2%(68/87)、92.1%(220/239)、100%(10/10),差异有统计学意义(P<0.05);且4组之间的多重感染率逐渐上升分别为100%(69/69)、69.1%(47/68)、60.0%(132/220)、20.0%(2/10),差异有统计学意义(P<0.05)。高危HPV感染阳性组与阴性组在阴道Nugent评分、阴道微生态失衡、阴道pH值、阴道清洁度以及乳酸杆菌分级情况方面的差异有统计学意义(P<0.05),且高危HPV感染与以上5项指标有显著性相关(P<0.05)。结论 SIL患者高危型HPV感染率较高,感染类型以HPV16型为主,且多为单一型感染,阴道微生态失衡可能是导致高危型HPV感染的重要原因。
- 严红艳陈勇军李统怀
- 关键词：高危型HPV感染阴道微生态
