|本期目录/Table of Contents|

[1]白奇之,杨柳青,葛晓东,等.人工智能对肺磨玻璃结节参数及病理分析[J].中华肺部疾病杂志,2022,(05):730-732.[doi:10.3877/cma.j.issn.1674-6902.2022.05.032]
点击复制

人工智能对肺磨玻璃结节参数及病理分析(PDF)

《中华肺部疾病杂志》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2022年05期
页码:
730-732
栏目:
短篇论著
出版日期:
2022-10-20

文章信息/Info

Title:
-
作者:
白奇之1; 杨柳青1; 葛晓东1; 张 磊1; 郑景新2
400037 重庆,陆军(第三)军医大学第二附属医院放射科1、病理科2
Author(s):
-
关键词:
人工智能;  磨玻璃结节;  早期肺癌;  组织病理
Keywords:
-
分类号:
R563
DOI:
10.3877/cma.j.issn.1674-6902.2022.05.032
摘要:
-
Abstract:
-

参考文献/References:

1 Sung H, Ferlay J, Siegel RL, et al. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries[J]. CA Cancer J Clin, 2021, 71(3): 209-249.
2 曹毛毛, 陈万青. 中国恶性肿瘤流行情况及防控现状[J]. 中国肿瘤临床, 2019, 46(3): 145-149.
3 Travis WD, Brambilla E, Noguchi M, et al. International Association for the Study of Lung Cancer/American Thoracic Society/European Respiratory Society International Multidisciplinary Classification of Lung Adenocarcinoma[J]. J Thorac Oncol, 2011, 6(2): 244-285.
4 李 媛, 谢惠康, 武春燕. WHO胸部肿瘤分类(第5版)中肺肿瘤部分解读[J]. 中国癌症杂志, 2021, 31(7): 574-580.
5 Wu F, Wang L, Zhou C. Lung cancer in China: current and prospec[J]. Curr opin Oncol, 2020, 33(1): 40-46.
6 王洪武, 金发光. 晚期非小细胞肺癌多域整合治疗策略[J/CD]. 中华肺部疾病杂志(电子版), 2022, 15(4): 457-461.
7 朱 妍, 王 剑. 肺小结节危险因素分析及恶性预测模型的建立[J/CD]. 中华肺部疾病杂志(电子版), 2020, 13(2): 223-228.
8 姜格宁, 陈 昶, 朱余明, 等. 上海市肺科医院磨玻璃结节早期肺腺癌的诊疗共识(第一版)[J]. 中国肺癌杂志, 2018, 21(3): 147-159.
9 Su H, Gu C, She Y, et al. Predictors of upstage and treatment strategies for stage IA lung cancers after sublobar resection for adenocarcinoma in situ and minimally invasive adenocarcinoma[J]. Transl Lung Cancer Res, 2021, 10(1): 32-44.
10 张思维, 郑荣寿, 杨之洵, 等. 2000-2014年中国肿瘤登记地区肺癌发病年龄变化趋势分析[J]. 中华预防医学杂志, 2018, 52(6): 579-585.
11 陆青云, 陈武飞. 不同病理类型肺部磨玻璃结节的HDCT征象分析[J]. 医学影像学杂志, 2017, 27(6): 1084-1087.
12 张正华, 周小君, 韩 丹, 等. 基于AI对磨玻璃密度早期肺癌浸润相关因素Logistic回归分析[J]. 临床放射学杂志, 2020, 39(10): 2120-2123.
13 金 鑫, 赵绍宏, 高 洁, 等. 纯磨玻璃密度肺腺癌病理分类及影像表现特点分析[J]. 中华放射学杂志, 2014, 48(4): 283-287.
14 Lee SM, Park CM, Goo JM, et al. Invasive pulmonary adenocarcinomas versus preinvasive lesions appearing as ground-glass nodules: Differentiation by using CT features[J]. Radiology, 2013, 268(1): 265-273.
15 Song YS, Park CM, Park SJ, et al. Volume and mass doubling times of persistent pulmonary subsolid nodules detected in patients without known malignancy[J]. Radiology, 2014, 273(1): 276.
16 Oda S, Awai K, Murao K, et al. Volume-doubling time of pulmonary nodules with ground glass opacity at multidetector CT: Assessment with computer-aided three-dimensional volumetry[J]. Acad Radiol, 2011, 18(1): 63-69.
17 郑 旻, 黄先敏. 基于CT定量参数评估肺部磨玻璃样结节的侵袭程度[J]. 中国CT和MRI杂志, 2019, 17(8): 61-64.
18 孙 琦, 黄 遥, 赵世俊, 等. 低剂量CT肺癌筛查中持续存在肺结节的CT体积和质量增长及其影响因素[J/CD]. 中华肿瘤杂志, 2018, 40(4): 274-279.
19 齐琳琳, 王建卫, 杨 琳, 等. 肺纯磨玻璃结节体积和质量倍增时间在鉴别浸润腺癌与微浸润腺癌及浸润前病变中的作用[J]. 中华放射学杂志, 2017, 51(7): 493-499.
20 周科峰, 朱 斌, 秦国初, 等. 倍增时间的测定在肺小结节随访中的应用价值[J]. 中国CT和MRI杂志, 2012, 10(6): 41-43.
21 张怀瑢, 孙 潇, 田兴仓, 等. 基于人工智能密度直方图预测磨玻璃结节病理分型[J]. 中国医学影像学杂志, 2021, 29(12): 1212-1215, 1221.
22 代 平, 何其舟, 王思凯, 等. CT定量分析预测肺部肿瘤性磨玻璃结节病理侵袭性的价值[J]. 放射学实践, 2019, 34(10): 1108-1112.
23 Tamura M, Matsumoto I, Saito D, et al. Mean computed tomography value to predict the tumor invasiveness in clinical stage IA lung cancer[J]. Ann Thorac Surg, 2017, 104(1): 261-266.
24 张国桢, 蔡 庆, 张伟强. 早期微小肺腺癌CT影像与病理的相关性[J]. 诊断学理论与实践, 2018, 17(5): 490-493.
25 范卫杰, 张 冬. 影像组学及深度学习在肺结节良恶性鉴别诊断中的新理念[J/CD]. 中华肺部疾病杂志(电子版), 2021, 14(5): 549-553.

备注/Memo

备注/Memo:
通信作者: 葛晓东, Email: 594787043@qq.com
更新日期/Last Update: 2022-10-20