Page 153 - 南京医科大学学报自然科学版

第41卷第4期 徐青青，单文莉，朱 艳，等. 基于CT影像组学对孤立性肺结节性质分类的预测效能［J］.
2021年4月 南京医科大学学报（自然科学版），2021，41（04）：617-623 ·623 ·

348（25）：2535-2542 6904-6911
［2］ GU J，LU C，GUO J，et al. Prognostic significance of the ［11］ FAN L，FANG M，LI Z，et al. Radiomics signature：a bio⁃
IASLC/ATS/ERS classification in Chinese patients⁃a sin⁃ marker for the preoperative discrimination of lung inva⁃
gle institution retrospective study of 292 lung adenocarci⁃ sive adenocarcinoma manifesting as a ground⁃glass nodule
noma［J］. J Surg Oncol，2013，107（5）：474-480 ［J］. Eur Radiol，2019，29（2）：889-897
［3］ YOSHIZAWA A，MOTOI N，RIELY G J，et al. Impact of ［12］ SU X，CHEN N，SUN H，et al. Automated machine learn⁃
proposed IASLC/ATS/ERS classification of lung adenocar⁃ ing based on radiomics features predicts H3 K27M muta⁃
cinoma：prognostic subgroups and implications for further tion in midline gliomas of the brain［J］. Neuro Oncol，
revision of staging based on analysis of 514 stage I cases 2020，22（3）：393-401
［J］. Mod Pathol，2011，24（5）：653-664 ［13］ CHOI W，OH J H，RIYAHI S，et al. Radiomics analysis of
［4］ 周 丹，贾 鹏，南 楠，等. 不同成像和重建参数对模 pulmonary nodules in low⁃dose CT for early detection of
拟肺结节多排螺旋 CT 容积测量准确度影响［J］. 南京 lung cancer［J］. Med Phys，2018，45（4）：1537-1549
医科大学学报（自然科学版），2014，34（1）：106-110 ［14］ TU S J，WANG C W，PAN K T，et al. Localized thin⁃sec⁃
［5］ LUO T，XU K，ZHANG Z，et al. Radiomic features from tion CT with radiomics feature extraction and machine
computed tomography to differentiate invasive pulmonary learning to classify early ⁃ detected pulmonary nodules
adenocarcinomas from non⁃invasive pulmonary adenocar⁃ from lung cancer screening［J］. Phys Med Biol，2018，63
cinomas appearing as part⁃solid ground⁃glass nodules［J］. （6）：065005
Chin J Cancer Res，2019，31（2）：329-338 ［15］ CHEN C H，CHANG C K，TU C Y，et al. Radiomic fea⁃
［6］ 中国食品药品检定研究院，中华医学会放射学分会心 tures analysis in computed tomography images of lung
胸学组. 胸部CT肺结节数据标注与质量控制专家共识 nodule classification［J］. PLoS One，2018，13（2）：
（2018）［J］. 中华放射学杂志，2019，53（1）：9-15 e0192002
［7］ 张崴琪，王一卓，赵娓娓，等. CT 后处理重建技术在孤 ［16］ XU Y，LU L，LN E N，et al. Application of radiomics in
立性肺结节中的诊断价值［J］. 实用放射学杂志，2019， predicting the malignancy of pulmonary nodules in differ⁃
35（7）：1184-1187 ent sizes［J］. AJR Am J Roentgenol，2019，213（6）：1213-
［8］ HWANG I P，PARK C M，PARK S J，et al. Persistent 1220
pure ground⁃glass nodules larger than 5 mm：differentia⁃ ［17］ CHEN T，LUO J，GU H，et al. Should minimally invasive
tion of invasive pulmonary adenocarcinomas from preinva⁃ lung adenocarcinoma be transferred from stage IA1 to
sive lesions or minimally invasive adenocarcinomas using stage 0 in future updates of the TNM staging system?［J］.
texture analysis［J］. Invest Radiol，2015，50（11）：798- J Thorac Dis，2018，10（11）：6247-6253
804 ［18］ GILLIES R J，KINAHAN P E，HRICAK H. Radiomics：
［9］ FAVE X，ZHANG L，YANG J，et al. Using pretreatment images are more than pictures，they are data［J］. Radiolo⁃
radiomics and delta ⁃ radiomics features to predict non ⁃ gy，2016，278（2）：563-577
small cell lung cancer patient outcomes［J］. Int J Radiat ［19］ NYFLOT M J，YANG F，BYRD D，et al. Quantitative ra⁃
Oncol Biol Phys，2017，98（1）：249 diomics：impact of stochastic effects on textural feature
［10］ WU S X，ZHENG J J，LI Y，et al. A radiomics nomogram analysis implies the need for standards［J］. J Med Imaging
for the preoperative prediction of lymph node metastasis （Bellingham），2015，2（4）：041002
in bladder cancer［J］. Clin Cancer Res，2017，23（22）： ［收稿日期］ 2020-01-14