|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | Predictive values of multidetector-row computed tomography combined with serum tumor biomarkers in preoperative lymph node metastasis of gastric cancer显示文摘Objective: Multidetector-row computed tomography(MDCT) and serum tumor biomarkers are commonly used to evaluate the preoperative lymph node metastasis and the clinical staging of gastric cancer(GC). This study intends to evaluate the clinical predictive value of MDCT and serum tumor biomarkers in lymph node metastasis of GC.Methods: The clinicopathologic data of 445 GC patients who underwent radical gastrectomy were retrospectively analyzed to evaluate the diagnostic value of MDCT and serum tumor biomarkers in lymph node metastatic staging of GC before surgery.Results: With the multinomial logistic regression analysis, the independent relative factors of lymph node metastasis of GC were identified as tumor size, depth of tumor invasion, vessel invasion, vascular embolus, and soft tissue invasion. The optimal critical value of the short diameter of lymph nodes detected by MDCT scanning for evaluation of preoperative lymph node metastasis was 6.0 mm, with 75.7% as predictive accuracy of lymph node metastasis compared to the postoperative pathological results of GC patients. In addition, the critical value of the short diameter of lymph nodes combined with serum tumor biomarkers [including carbohydrate antigen(CA)-724 and CA-199] could show an enhancement of predictive sensitivity of lymph node metastasis(up to 89.3%) before surgery.Conclusions: MDCT combined with serum tumor biomarkers should be adopted to improve preoperative sensitivity and accuracy of lymph node metastasis for GC patients. | Huihui Bai Jingyu Deng Nannan Zhang Huifang Liu Wenting He Jinyuan Liu Han Liang | 2019 | Chinese Journal of Cancer Research2019，31，3： | 11 |
| 2 | Radiomics approaches in gastric cancer: a frontier in clinical decision making显示文摘Objective: To review the application of radiomics in gastric cancer and its challenges as well as future prospects. Data sources: A research for relevant studies were performed in PubMed with the terms of “radiomics,”“texture analysis,” and “gastric cancer.” The search was updated until February 28th, 2019. Study selection: All original articles regarding the investigation of texture analysis or radiomics in gastric cancer were retrieved. Only papers written in English were included. Results: A total of 17 original articles were selected in final. It is shown that radiomics has yielded moderate to excellent performance in a spectrum of respects including differential diagnosis, assessment of histological differential degree, evaluation of tumor stage, prediction of response to therapy, and prognosis in gastric cancer. Yet, a number of challenges are facing both radiomics itself and its application in gastric cancer. Conclusions: Radiomics holds great potential in facilitating decision-making in gastric cancer. With the standardization of work-flow and advancement of machine learning methods, radiomics is expected to make great breakthroughs in precision medicine of gastric cancer. | Yue Wang Zheng-Yu Jin | 2019 | Chinese Medical Journal2019，，16： | 6 |
| 3 | CT影像组学在胃癌的研究进展显示文摘胃癌是全球常见癌症之一,也是癌症相关死亡的第三大主要原因[1]。因胃癌早期症状不明显且病程较长,多数胃癌患者就诊时已处于中、晚期[2]。近年来,胃癌治疗多采取综合治疗[3],但是复发率仍旧很高,五年生存率仍不乐观[4]。如何更好地掌握胃癌分期、分型、疗效和预后情况从而提供精准治疗是临床亟需解决的问题。多期增强CT是目前胃癌的首选影像检查[5],但其并不能很好地提供分子与基因水平的生物学信息。临床越来越需要有价值的成像标记物,以无创预测肿瘤的生物学行为从而实现精准医疗的需求。随着计算技术的不断发展,具有提示意义的医学成像技术起着越来越重要的作用。影像组学是一种新兴技术,可以使用数据特征化算法从医学图像中自动提取大量定量特征,并评估这些特征以改善决策支持,在胃癌的鉴别诊断、淋巴结转移预测、隐匿性腹膜转移诊断、疗效评估以及预后方面均表现出优异的性能。本文就影像组学在胃癌方面的研究现状及进展进行综述。 | 陈智成 朱可心(综述) 刘屹(审校) | 2021 | 临床放射学杂志2021，40，11： | 5 |
| 4 | Nomogram for predicting pathological complete response to neoadjuvant chemotherapy in patients with advanced gastric cancer显示文摘BACKGROUND Survival benefit of neoadjuvant chemotherapy(NAC)for advanced gastric cancer(AGC)is a debatable issue.Studies have shown that the survival benefit of NAC is dependent on the pathological response to chemotherapy drugs.For those who achieve pathological complete response(pCR),NAC significantly prolonged prolapsed-free survival and overall survival.For those with poor response,NAC yielded no survival benefit,only toxicity and increased risk for tumor progression during chemotherapy,which may hinder surgical resection.Thus,predicting pCR to NAC is of great clinical significance and can help achieve individualized treatment in AGC patients.AIM To establish a nomogram for predicting pCR to NAC for AGC patients.METHODS Two-hundred and eight patients diagnosed with AGC who received NAC followed by resection surgery from March 2012 to July 2019 were enrolled in this study.Their clinical data were retrospectively analyzed by logistic regression analysis to determine the possible predictors for pCR.Based on these predictors,a nomogram model was developed and internally validated using the bootstrap method.RESULTS pCR was confirmed in 27 patients(27/208,13.0%).Multivariate logistic regression analysis showed that higher carcinoembryonic antigen level,lymphocyte ratio,lower monocyte count and tumor differentiation grade were associated with higher pCR.Concordance statistic of the established nomogram was 0.767.CONCLUSION A nomogram predicting pCR to NAC was established.Since this nomogram exhibited satisfactory predictive power despite utilizing easily available pretreatment parameters,it can be inferred that this nomogram is practical for the development of personalized treatment strategy for AGC patients. | Yong-He Chen Jian Xiao Xi-Jie Chen Hua-She Wang Dan Liu Jun Xiang Jun-Sheng Peng | 2020 | World Journal of Gastroenterology2020，26，19： | 5 |
| 5 | 基于深度学习的CT影像预测胃癌HER2状态显示文摘目的:构建并验证一个深度学习模型,旨在全自动流程地对胃癌病灶进行检出并预测胃癌患者人表皮生长因子受体(HER2)状态。方法:回顾性收集经手术病理证实为胃癌及明确HER2状态的135例胃癌患者CT及临床数据(HER2阴性88例;HER2阳性47例),随机分为训练集(n=95)和验证集(n=40)。基于级联nnUNet神经网络建立胃分割模型和胃癌自动检出模型,选择合适区域,以此建立基于ResNet网络的HER2状态预测模型,并验证模型的预测性能。结果:胃分割模型五折交叉验证的Dice系数为91.4%。胃癌检出模型在训练集和验证集中检出率分别为96.8%和97.5%。HER2预测模型敏感度训练集为78.1%,95%置信区间(CI)(61.2%,88.9%);验证集为71.4%,95%CI (45.4%,88.3%)。特异性训练集为67.9%,95%CI (54.8%,78.6%);验证集为69.2%,95%CI (50.0%,83.5%)。ROC曲线下面积(AUC)训练集为84.0%,95%CI (76.4%,90.7%);验证集为78.6%,95%CI (65.9%,90.0%)。结论:本研究建立的胃癌HER2预测模型不仅可自动检出胃癌,还作为非侵入性工具在预测HER2状态方面具有良好性能,具有指导临床评估的价值。 | 张昊辰 邱炳江 崔艳芬 陈鑫 姚丽莎 刘再毅 | 2023 | 暨南大学学报(自然科学与医学版)2023，44，1： | 2 |
| 6 | 进展期胃癌影像组学研究现状显示文摘影像组学是深度挖掘图像潜在信息的热门研究新技术,它通过高通量提取CT、MRI、正电子发射计算机断层显像(PET/CT)等医学图像纹理特征,并结合临床风险因素对疾病进行可视化描述及定量分析。作为新时代个体化精准医疗技术,影像组学的关注度一再提升,本文主要基于影像组学在进展期胃癌的研究现状进行综述。 | 陈武杰 许茂盛 | 2020 | 中国医学计算机成像杂志2020，26，6： | 2 |
| 7 | CT影像组学标签预测局部进展期胃癌新辅助化疗疗效的多中心分析显示文摘目的通过多中心研究探讨基于CT图像的影像组学在治疗前预测局部进展期胃癌新辅助化疗疗效的价值。方法选取两家不同省份肿瘤医院从2013年6月~2020年11月接受新辅助化疗并行根治性手术的312例胃癌患者。根据术后病理组织学评估,将所有的患者分为新辅助化疗反应良好组和反应不良组。手动勾画每例患者图像病灶最大区域并提取2164个特征,经可重复性分析及支持向量机递归特征消除算法最终选出4个特征,利用逻辑回归模型构建影像组学标签。另外,通过多因素Logisitc回归分析患者的临床病理资料,预测新辅助治疗反应的价值。结果影像组学标签在训练集上预测胃癌新辅助化疗反应良好的ROC曲线下面积、敏感度、特异度、准确度分别为0.786(95%CI:0.679~0.894)、0.722、0.833、0.778,在验证集上分别为0.759(95%CI:0.656~0.863)、0.821、0.631、0.679。多因素Logistic回归显示临床病理学因素不是胃癌新辅助化疗疗效的独立预测因子。结论CT影像组学标签可作为预测胃癌新辅助化疗疗效的一种新型生物标记物,具有较好的预测效能。 | 李清婉 张治平 高德培 张大福 谢锟 崔艳芬 代佑果 李振辉 | 2022 | 医学影像学杂志2022，32，4： | 1 |
| 8 | 胃癌新辅助化疗后肿瘤退缩分级预测因素的研究进展显示文摘新辅助化疗对局部进展期胃癌的整体疗效已经得到认可。然而,由于肿瘤的异质性,新辅助化疗对一部分患者无效。肿瘤退缩分级(TRG)在评估胃癌新辅助化疗疗效中具有独特的优势。但由于TRG依赖术后病理,挖掘TRG预测指标以更精准地选择适当的患者施行新辅助化疗成为当前的一个重要课题。因此,从生物标志物、免疫、炎症指标、身体成分、影像学指标等方面了解胃癌新辅助化疗后TRG预测因素的相关研究进展和当前研究面临的挑战,有助于进一步的临床研究和实践。 | 范珊琳 汪品秀 孔飞 周玉洁 袁文臻 | 2023 | 国际肿瘤学杂志2023，50，2： | 1 |
| 9 | 人工智能在胃癌影像学中的应用进展显示文摘胃癌作为一种常见的恶性肿瘤,是我国癌症相关的主要死因之一。无创的精确诊断和评估,是制订最佳诊疗方案的基础。人工智能(artificial intelligence,AI)技术,特别是影像组学和深度学习技术,为影像学与胃癌临床诊疗的学科交叉带来新的研究热点。如今,AI技术能够将影像图像转换为海量的影像组学数据,已广泛应用于胃癌影像学研究领域。本文系统地回顾了AI技术应用在胃癌影像学研究的技术步骤、临床应用,提出研究中的挑战和机遇。 | 刘波 刘菲 周冠知 张登云 王鹤翔 王赫 张群 张坚 | 2022 | 磁共振成像2022，13，6： | 1 |
| 10 | 治疗前CECT影像组学预测进展期胃癌患者新辅助化疗后有无淋巴结转移的多中心研究显示文摘目的:探讨治疗前增强计算机体层成像(contrast-enhanced computed tomography,CECT)影像组学预测进展期胃癌患者新辅助化疗(neoadjuvant chemotherapy,NAC)后有无淋巴结转移的价值。方法:连续性收集2012年8月—2020年10月两家肿瘤医院进行NAC并行根治性手术的226例进展期胃癌患者,收集患者治疗前的临床、病理学及影像学资料。依据术后病理学检查结果将患者分为无淋巴结转移组和有淋巴结转移组。提取治疗前病灶的CECT影像组学特征建立影像组学预测模型,并进行独立的外部验证。比较训练集和验证集中无淋巴结转移组和有淋巴结转移组间患者的临床病理学参数差异,并运用多因素logistic回归构建临床预测模型。最终联合影像学特征及临床病理学参数构建性能最佳的临床-影像联合预测模型。结果:动脉期影像组学预测模型在训练集和外部验证集中的曲线下面积(area under curve,AUC)分别为0.972和0.701。门静脉期影像组学预测模型在训练集和外部验证集中AUC值分别为0.917和0.736。联合病灶动脉期和门静脉期的影像组学特征建立预测模型,训练集和外部验证集中AUC分别为0.862和0.684。多因素logistic回归分析结果显示,尚无进展期胃癌患者NAC后达到无淋巴结转移状态的临床病理学预测因子。结论:治疗前病灶的CECT影像组学模型能够有效地预测进展期胃癌患者NAC后是否存在淋巴结转移,该模型可作为无创的肿瘤生物学工具为临床个体化治疗提供决策依据。 | 谢锟 高德培 李清婉 张大福 崔艳芬 代佑果 李振辉 张治平 | 2022 | 肿瘤影像学2022，31，3： | 0 |
| 11 | Machine-learning-assisted prediction of surgical outcomes in patients undergoing gastrectomy显示文摘Objective: Postoperative complications adversely affected the prognosis in patients with gastric cancer. This study intends to investigate the feasibility of using machine-learning model to predict surgical outcomes in patients undergoing gastrectomy.Methods: In this study, cancer patients who underwent gastrectomy at Shanghai Rui Jin Hospital in 2017 were randomly assigned to a development or validation cohort in a 9:1 ratio. A support vector classification(SVC) model to predict surgical outcomes in patients undergoing gastrectomy was developed and further validated.Results: A total of 321 patients with 32 features were collected. The positive and negative outcomes of postoperative complication after gastrectomy appeared in 100(31.2%) and 221(68.8%) patients, respectively. The SVC model was constructed to predict surgical outcomes in patients undergoing gastrectomy. The accuracy of 10-fold cross validation and external verification was 78.17% and 78.12%, respectively. Further, an online web server has been developed to share the SVC model for machine-learning-assisted prediction of surgical outcomes in patients undergoing gastrectomy in the future procedures, which is accessible at the web address:http://gffzz58c38b8802434b0chko9k5xcq0wqp695o.ffgz.tsg.suse.edu.cn/r_model_prediction.Conclusions: The SVC model was a useful predictor for measuring the risk of postoperative complications after gastrectomy, which may help stratify patients with different overall status for choice of surgical procedure or other treatments. It can be expected that machine-learning models in cancer informatics research are possibly shareable and accessible via web address all over the world. | Sheng Lu Min Yan Chen Li Chao Yan Zhenggang Zhu Wencong Lu | 2019 | Chinese Journal of Cancer Research2019，31，5： | 0 |
| 12 | 穴位贴敷联合按摩护理对晚期胃癌患者临疼痛评分的影响显示文摘目的:分析穴位贴敷联合按摩护理对晚期胃癌患者临疼痛评分的影响。方法:选取2018年2月—2021年2月开封市中医院收治的100例晚期胃癌患者作为研究对象,按入院时间分为穴位贴敷组和穴位按摩组,每组各50例。穴位按摩组予以穴位按摩护理,穴位贴敷组予以穴位贴敷联合按摩护理。比较两组患者下床活动、住院时间、疼痛程度、睡眠质量、负性情绪、营养状况、生活质量。结果:穴位贴敷组患者下床活动时间、住院时间较穴位按摩组短,差异有统计学意义(t=5.661、4.853,P<0.05);干预后,穴位贴敷组患者疼痛程度较穴位按摩组低,差异有统计学意义(t=7.556,P<0.05);干预后,穴位贴敷组患者睡眠质量评分较穴位按摩组低,差异有统计学意义(t=11.395,P<0.05);干预后,穴位贴敷组患者负性情绪较穴位按摩组低,差异有统计学意义(t=7.770、4.768,P<0.05);干预后,前白蛋白(PAB)、血红蛋白(Hb)水平较穴位按摩组高,差异有统计学意义(t=5.315、5.348,P<0.05);干预后,穴位贴敷组患者生活质量评分较穴位按摩组高,差异有统计学意义(t=14.605,P<0.05)。结论:晚期胃癌患者应用穴位贴敷联合按摩护理,改善疼痛与睡眠质量,可缩短下床活动,且还能改善心理状态及营养状况,加快恢复进程,缩短住院时间,改善生活质量。 | 刘丹丹 | 2023 | 黑龙江医学2023，47，11： | 0 |
| 13 | CT检查评估胃癌新辅助化疗的疗效显示文摘新辅助化疗(Neoadjuvant Chemotherapy,NAC)已成为多学科治疗的重要组成部分,其在胃癌治疗中效果明显。NAC可以防止肿瘤进展,提高患者生存质量。但由于患者存在个体差异性,及时且准确地评估NAC疗效尤为重要。目前NAC疗效评估方法主要以CT检查为主,本文针对多排螺旋增强CT(Multi-slice Spiral CT,MSCT)、CT灌注成像(CT Perfusion Imaging,CTP)、双能CT(Dual-Energy CT,DECT)及放射组学在胃癌NAC疗效评估的研究进展作一综述,以期提高胃癌治疗疗效,为患者选择更优化的治疗方案。 | 魏明洁 郝粉娥 张宇琦 高伟 窦亚娜 | 2023 | 中国医疗设备2023，38，3： | 0 |
| 14 | 区分T1-2与T3-4期胃癌CT影像组学模型的建立与验证显示文摘目的:探讨基于CT影像组学构建的模型术前鉴别T1-2与T3-4期胃癌的价值。方法:回顾性分析465例术前行腹部CT增强扫描且经切除术后T分期明确的胃癌患者,将其分为T1-2期及T3-4期两组,采用分层抽样方法按7∶3分为训练集及测试集。在其静脉期CT图像上进行感兴趣区(ROI)的勾画及影像组学特征的提取。采用LASSO回归筛选出与T分期相关性最高的特征,分别利用逻辑回归、支持向量机及决策树建立影像组学模型。基于影像组学特征建立影像组学标签,基于临床特征建立临床模型,结合影像组学标签及临床特征构建影像组学诺模图。使用受试者工作特征(ROC)曲线评价各模型鉴别T分期的效能;Delong检验比较最优影像组学模型与临床模型的ROC曲线下面积(AUC)的差异性及诺模图与二者中效能更好的模型之间AUC的差异性;采用校准曲线评价模型评估与实际病理结果的匹配性,决策曲线评价模型的临床净收益。结果:影像组学模型中,逻辑回归模型的预测效能最好,在训练集和测试集上的AUC分别为0.864、0.836,均高于临床模型;结合影像组学标签及临床特征生成的影像组学诺模图预测效能优于3种影像组学模型和临床模型,在训练集及测试集上的AUC分别为0.876、0.850。Delong检验显示:逻辑回归模型在训练集上的预测效能较临床模型更好(P<0.01),诺模图的AUC高于逻辑回归模型,但差异无统计学意义。校准曲线和决策曲线显示影像组学诺模图具有很好的模型适应性和临床实用性。结论:基于CT影像组学构建的诺模图对术前区分T1-2与T3-4期胃癌具有重要价值。 | 王芷旋 王霄霄 卢超 陆思远 丁奕 张久楼 蒋鹏程 单秀红 | 2023 | 江苏大学学报(医学版)2023，33，3： | 0 |
| 15 | 基于病灶与瘤周放射组学预测进展期胃癌新辅助化疗病理反应的价值显示文摘目的探讨基于病灶与瘤周放射组学预测进展期胃癌新辅助化疗(NAC)病理反应的价值。方法回顾性选取80例行NAC的进展期胃癌患者,其中病理反应良好者[肿瘤退缩分级(TRG)1a、1b级]33例,病理反应不良者(TRG 2、3级)47例,按7︰3的比例随机将患者分为训练组与验证组。在静脉期薄层CT图像上逐层勾画病灶感兴趣区(ROI),并等距扩张2 mm,形成瘤周环状ROI。提取放射组学特征,以L1正则化进行特征筛选,采用支持向量机(SVM)分别构建病灶、瘤周及病灶与瘤周联合的放射组学模型。根据受试者工作特征(ROC)曲线,比较3种模型的曲线下面积(AUC)。结果病灶、瘤周及病灶与瘤周联合模型在验证组中的AUC分别为0.721、0.607、0.871,联合模型与病灶、瘤周模型之间差异均有统计学意义(P<0.05),病灶模型与瘤周模型之间差异无统计学意义。结论病灶与瘤周联合的放射组学模型预测进展期胃癌NAC病理反应的效能最高,瘤周放射组学模型对病理反应的评估具有附加价值。 | 刘晨晨 李莉明 黄文鹏 王睿 梁盼 高剑波 | 2023 | 实用放射学杂志2023，39，5： | 0 |
| 16 | 影像组学在进展期胃癌化疗反应和生存预测中的研究进展显示文摘21世纪以来,中国抗癌协会改进了胃癌疗效的关键举措,诸多学者亦开展了多项针对进展期胃癌的高水平临床研究以最大限度提高患者生存质量。基于影像组学的方法,从医学图像中获取有价值的特征来评估患者的治疗疗效及生存预后,能达到精准治疗的目的。本文就近年来发表的相关研究,对影像组学在进展期胃癌化疗反应与生存预测中的应用进展做一综述,旨在为将来研究方向的选择提供参考。 | 迪利亚尔·阿地力 曹博威 张文斌 | 2023 | 影像研究与医学应用2023，7，6： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员