期刊简介
本刊是由中国科学院主管，经国家科委、新闻出版署审核批准的理、工、医相结合的国家级学术刊物，杂志创刊于1985年，现为月刊(内文160页，约35万字)。杂志主要刊出放射学(包括CT、MRI、普通X线)、超声医学、介入治疗学、影像技术学、超声工程学、电子内镜学、核医学等学科的最新研究成果。本刊主要特点是：①综合影像；②信息量大；③理、工、医相结合；④传播及时。该刊是基础科研人员和临床医务人员学术交流的园地，是广大医生晋升中高级职称的重要依据，也是中国科学院唯一的医学工程技术与临床相结合的刊物。
往期目录
-
1998
-
2000
-
2001
-
2002
-
2003
-
2004
-
2005
-
2006
-
2007
-
2008
-
2009
-
2010
-
2011
-
2012
-
2013
-
2014
-
2015
-
2016
-
2017
-
2018
-
2019
首页>中国医学影像技术杂志
- 杂志名称：中国医学影像技术杂志
- 主管单位：中国科学院
- 主办单位：中国科学院声学研究所
- 国际刊号：1003-3289
- 国内刊号：11-1881/R
- 出版周期：月刊
期刊荣誉：《CAJ-CD》规范执行优秀奖期刊期刊收录：JST 日本科学技术振兴机构数据库(日), 上海图书馆馆藏, 国家图书馆馆藏, CSCD 中国科学引文数据库来源期刊(含扩展版), 医学文摘, 哥白尼索引(波兰), 文摘与引文数据库, SA 科学文摘(英), 北大核心期刊(中国人文社会科学核心期刊), 万方收录(中), 文摘杂志, 知网收录(中), 统计源核心期刊(中国科技论文核心期刊), 维普收录(中)
基于虚拟光学密度图像的乳腺癌近期发病预测
张红军；闫士举；宋成利
关键词：虚拟光学密度图像, 乳房X线摄影术, 图像特征分析, 乳腺肿瘤, 风险预测
摘要：目的 探讨对原始乳腺钼靶图像进行变换和采用机器学习算法融合不同类型的图像特征,以提高乳腺癌近期发病风险预测精度的价值.方法 自匹兹堡大学医学中心的临床数据库下载185例女性受检者头足(CC)位全数字化乳腺X线摄影(FFDM)图像.首先对原始灰度图像进行乳腺区域分割并将其变换为虚拟光学密度图像,而后从原始灰度图像和虚拟光学密度图像中分别提取不对称特征.基于此不对称特征分别训练第1阶段的2个决策树分类器,再以这2个分类器输出的得分值作为输入,训练第2阶段的1个决策树分类器.对乳腺癌近期发病风险预测性能采用留一法进行验证.结果 采用两阶段决策树融合方法预测乳腺癌的ROC曲线下面积(AUC)为0.9612±0.0132,敏感度为96.63％(86/89),特异度为91.67％(88/96),准确率为94.05％(174/185).结论 从虚拟光学密度图像中可提取出对乳腺癌具有较高预测力的特征,采用两阶段决策树方法对两类图像特征进行二次融合有助于提高乳腺癌近期发病风险预测精度.
友情链接