Page 89 - 南京医科大学学报自然科学版

第44卷第3期 刘志鹏，降建新，吴琪炜，等. 基于多序列MRI影像组学与深度迁移学习特征的脑胶质瘤分级
2024年3月 预测研究［J］. 南京医科大学学报（自然科学版），2024，44（3）：372-379 ·379 ·

RNAs as epigenetic mediator and predictor of glioma pro⁃ survival analysis［J］. Front Oncol，2023，13：1079597
gression，invasiveness，and prognosis［J］. Semin Cancer ［14］ ZHANG H B，ZHANG H W，ZHANG Y Z，et al. Deep
Biol，2022，83：536-542 learning radiomics for the assessment of telomerase re⁃
［4］ MOUDGIL⁃JOSHI J，KALIAPERUMAL C. Letter regard⁃ verse transcriptase promoter mutation status in patients
ing Louis et al：the 2021 WHO classification of tumors of with glioblastoma using multiparametric MRI［J］. J Magn
the central nervous system：a summary［J］. Neuro⁃oncolo⁃ Reson Imaging，2023，58（5）：1441-1451
gy，2021，23（12）：2120-2121 ［15］ TIAN Q，YAN L F，ZHANG X，et al. Radiomics strategy
［5］ UDDIN M S，AL MAMUN A，ALGHAMDI B S，et al. Epi⁃ for glioma grading using texture features from multipara⁃
genetics of glioblastoma multiforme：from molecular mech⁃ metric MRI［J］. J Magn Reson Imag，2018，48（6）：1518-
anisms to therapeutic approaches［J］. Semin Cancer Biol， 1528
2022，83：100-120 ［16］ AOUADI S，TORFEH T，ARUNACHALAM Y，et al. In⁃
［6］ 舒 洋，王彦平，何瑞星，等. 基于 T1W C 的影像建立 vestigation of radiomics and deep convolutional neural
1+
支持向量机预测模型对胶质瘤细胞增殖活性研究［J］. networks approaches for glioma grading［J］. Biomed Phys
南京医科大学学报（自然科学版），2023，43（5）：634-639 Eng Express，2023，9（3）：035020
［7］ 张 恒，张 赛，孙佳伟，等. 深度学习脑肿瘤MRI图像 ［17］ QUAN M Y，HUANG Y X，WANG C Y，et al. Deep learn⁃
分类研究进展［J］. 磁共振成像，2023，14（1）：166-171 ing radiomics model based on breast ultrasound video to
［8］ LI J，DONG D，FANG M J，et al. Dual⁃energy CT⁃based predict HER2 expression status［J］. Front Endocrinol，
deep learning radiomics can improve lymph node metasta⁃ 2023，14：1144812
sis risk prediction for gastric cancer［J］. Eur Radiol， ［18］ 王鹤翔，杨世锋，王童语，等. 基于术前MRI深度学习影
2020，30（4）：2324-2333 像组学机器学习模型预测软组织肉瘤组织病理学分级
［9］ DEV K，ASHRAF Z，MUHURI P K，et al. Deep autoen⁃ 的研究［J］. 中华放射学杂志，2022，56（7）：792-799
coder based domain adaptation for transfer learning［J］. ［19］ 王世界，刘华清，张建兴，等. 基于自动乳腺全容积成像
Multimed Tools Appl，2022，81（16）：22379-22405 影像组学的机器学习模型鉴别BI⁃RADS 4类病灶良恶
［10］ ZHANG J，LIU J Y，LIANG Z P，et al. Differentiation of 性的临床价值［J］. 中华超声影像学杂志，2023，32（2）：
acute and chronic vertebral compression fractures using 136-143
conventional CT based on deep transfer learning features ［20］ SIAKALLIS L，SUDRE C H，MULHOLLAND P，et al.
and hand⁃crafted radiomics features［J］. BMC Musculosk⁃ Longitudinal structural and perfusion MRI enhanced by
elet Disord，2023，24（1）：165 machine learning outperforms standalone modalities and
［11］ LUO J F，PAN M K，MO K，et al. Emerging role of artifi⁃ radiological expertise in high ⁃ grade glioma surveillance
cial intelligence in diagnosis，classification and clinical ［J］. Neuroradiology，2021，63（12）：2047-2056
management of glioma［J］. Semin Cancer Biol，2023，91： ［21］ CHEN W，LIU B Q，PENG S T，et al. Computer ⁃ aided
110-123 grading of gliomas combining automatic segmentation and
［12］ MENZE B H，JAKAB A，BAUER S，et al. The multimodal radiomics［J］. Int J Biomed Imag，2018，2018：1-11
brain tumor image segmentation benchmark（BRATS） ［22］ CHEN X D，HE L X，SHI K W，et al. Interpretable ma⁃
［J］. IEEE Trans Med Imaging，2015，34（10）：1993-2024 chine learning for fall prediction among older adults in
［13］ CAO J G，YAN W J，ZHAN Z X，et al. Epidemiology and China［J］. Am J Prev Med，2023，65（4）：579-586
risk stratification of low ⁃ grade gliomas in the United ［收稿日期］ 2023-09-22
States，2004⁃2019：a competing⁃risk regression model for （本文编辑：陈汐敏）