导读:本文包含了恶性度论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:甲状腺,卷积,粒细胞,淋巴细胞,神经网络,超声,腮腺。
恶性度论文文献综述
纪国华,赵青杉[1]（2019）在《基于混合特征与复合LVQ的肺结节恶性度分级方法》一文中研究指出为了提高肺癌的计算机辅助诊断性能,提出了基于混合特征与复合学习向量量化分类网络的肺结节恶性度判别方法。对肺结节分别提取传统的人工设计特征和稀疏自编码器自学习特征,采用复合学习向量量化神经网络(LVQ1+3)构建分类器,将提取的两类特征同步输入分类器中进行分类识别,得出辅助诊断结果。在公共数据集LIDC上的实验结果表明,方法能够在混合特征集上表现出最优的效果,对不同恶性度等级的肺结节均实现了有效的分类识别。(本文来源于《电脑编程技巧与维护》期刊2019年07期）
张超前[2]（2019）在《术前炎症指标中性粒淋巴细胞比值（NLR）与前列腺癌恶性度的相关研究》一文中研究指出目的:通过收集174例就诊我院经病理证实的前列腺癌患者的资料,包括TPSA、肿瘤侵袭范围、Gleason评分、骨转移情况等临床病理资料,从而探讨术前中性粒淋巴细胞比值(Neutrophil-to-lymphocyte Ratio,NLR)对PCa恶性程度预测的临床价值。方法:获取2016年10月至2018年10月在皖南医学院附属弋矶山医院泌尿外科住院并经病理证实为前列腺癌患者174例临床资料。将所有患者按照TPSA值高低、Gleason评分高低、肿瘤侵袭范围程度及是否发生骨转移,进行不同分组。收集中性粒细胞与淋巴细胞计数,计算两者之间的比值,得出NLR值,采用均值±标准差表示,绘制ROC曲线分析得出NLR的评价临界点,以NLR≥3.02为高NLR,NLR<3.02为低NLR。使用SPSS 21.0软件对不同组中的NLR值数据进行统计分析,两独立样本t检验用于两组间比较;多组间比较采用单因素方差分析(ANOVA),进一步采用LSD法对各组间有统计学意义的指标进行两两比较。分类计数资料均采用病例数(百分率)表示,组间比较通过χ~2检验进行。使用Spearman分析NLR水平与各相关指标间的相关性。检验水准均为P<0.05有统计学意义。结果:参照本研究中的纳入排除标准,共有174例,年龄范围为45-80岁,平均年龄为63.42±10.06岁。其中TPSA值4-10ng/ml:23例,10-20ng/ml:62例,20-50ng/ml:71例,>50ng/ml:18例;有高危组患者85例,中危组患者65例,低危组患者24例;包膜内组98例,仅突破包膜组及浸润精囊组76例;伴有骨转移34例。(1)各TPSA组患者的高NLR所占比例(8.7%,16.1%,26.8%,77.8%)呈增加趋势(P<0.05);各TPSA组的NLR值(2.00±0.64,2.25±0.89,2.70±0.84,3.79±0.93),总体差异有统计学意义(P<0.05),各组间NLR水平两两比较经LSD法分析,差异均有统计学意义(P<0.05)。(2)高危组患者的高NLR所占比例(37.6%)明显高于中低危(16.9%,8.3%)组(P<0.05);高危组的NLR值(2.93±0.92),中危组NLR值(2.28±0.96),低危组NLR值(2.01±0.64),总体差异有统计学意义(P<0.05),各组间两两比较经LSD法分析,差异均有统计学意义(P<0.05)。(3)浸润精囊组患者的高NLR所占比例(73.9%)明显高于局限包膜内组(13.3%)、仅突破包膜组(28.3%)(P<0.05);浸润精囊组的NLR值(3.53±1.14),仅突破包膜组NLR值(2.80±0.88),包膜内组NLR值(2.20±0.77),总体差异有统计学意义(P<0.05),各组间两两比较经LSD法分析,差异均有统计学意义(P<0.05)。(4)骨转移组患者的高NLR所占比例(55.9%)显着高于无骨转移(18.6%)(P<0.05);骨转移组患者的NLR值(3.29±1.33)明显高于无骨转移(2.38±0.77)患者,差异有统计学意义(P<0.05)。(5)NLR水平与危险度、侵袭范围程度、PSA水平之间均存在明显的正相关(r_s>0,P<0.05)。结论:1.不同TPSA值越大、Gleason评分越高、肿瘤侵袭范围越广,NLR值越高,同时NLR与TPSA、侵袭范围、Gleason评分存在正相关;2.NLR越高,PCa的恶性度越高,预后也会越差,可将NLR作为一个指标,对PCa患者病情评估提供参考价值。(本文来源于《皖南医学院》期刊2019-05-01）
彭芳[3]（2018）在《超声评价甲状腺结节恶性度分级的应用研究》一文中研究指出目的:分析超声评价甲状腺结节恶性度分级的应用效果。方法:选择2017年7月—2018年7月我院接受的进行超声检查的300例疑似甲状腺结节患者作为案例,对患者采用本院现有的超声量化分级系统实施诊断和评估。结果:在本次研究中300例患者中病理确诊的患者280例,采用超声诊断确诊的患者260例,良性和恶性分别是234例和26例,超声诊断准确率是92.8%,整体诊断结果准确率高。结论:对于甲状腺结节患者实施超声方式进行评价,整体效果明显,直接应用在疾病学诊断中,有比较高的诊断价值,值得实施和推广。(本文来源于《影像研究与医学应用》期刊2018年24期）
徐久强,洪丽萍,朱宏博,赵海[4]（2018）在《一种用于肺结节恶性度分类的生成对抗网络》一文中研究指出针对肺结节数据集中良恶性样本数比例失衡的问题,首次引入深度卷积生成对抗网络(deep convolutional generative adversarial networks,DCGAN)模型,该模型根据输入的肺结节图像,生成与输入图像具有相似纹理特征的肺结节并将生成图像用于训练DCGAN模型.此外,将图像来源分类问题改为图像来源分类和肺结节等级1～5分类问题,从而增强了DCGAN模型的抗噪能力和实现了DCGAN模型对肺结节的等级分类.实验表明,改进的DCGAN中G模型在生成图像时具有良好的抗噪能力且生成图像中大约有90. 42%的图像判别为真实图像,D模型对肺结节图像的等级分类具有较好的判别能力且肺结节等级分类准确率为70. 89%,肺结节良恶性分类准确率为80. 13%.(本文来源于《东北大学学报(自然科学版)》期刊2018年11期）
赵海,杨婷婷,朱宏博,窦圣昶[5]（2018）在《一种基于ARG的肺结节良恶性度判定方法》一文中研究指出基于CT影像的肺结节的良恶性识别是肺癌诊断的重要环节,针对这一问题,提出一种基于属性关系图(attributed relational graph,ARG)的肺结节良恶性度判定方法.该方法以肺结节CT图像块作为输入,利用ARG构建其特征结构,并从大量ARGs中挖掘与或图(and-or graph,Ao G)作为肺结节类别识别模板,即肺结节良恶性度判定的依据.此外,为提高模板挖掘效率,该方法利用马尔可夫毯(Markov blanket,MB)发现算法去除图像中的冗余特征,降低ARG节点数量.实验结果表明,该方法对恶性肺结节的识别率达到90.12%,能够帮助正确、快速辨识与分析肺结节良恶性,具有一定的实用价值.(本文来源于《东北大学学报(自然科学版)》期刊2018年07期）
杨孟,沈益君,王奇峰,钱敏,周良平[6]（2018）在《感兴趣区范围的变化对不同恶性度前列腺癌表观扩散系数直方图特征的影响》一文中研究指出目的研究感兴趣区(region of interest,ROI)范围变化对不同恶性程度前列腺癌(prostate carcinoma,PCa)表观扩散系数(apparent diffusion coefficient,ADC)直方图特征的影响。方法筛选36例经根治性手术标本病理学检查证实的PCa患者,回顾性分析这些患者的磁共振(magnetic resonance,MR)图像。在最大病灶层面上选取不同大小的ROI,测量高、低恶性度PCa的直方图统计特征。ROI范围设定如下:ROI1,根据轴位T2WI上病灶的最大层面的边界获得ADC图的ROI;ROI2,根据ADC图上病灶边界画出ROI;ROI3、4,根据ROI1获得ROI3、4,形状与ROI1相同,面积分别为ROI1的3/4和1/2;ROI5,根据轴位T2WI获得ADC图上所有病灶层面ROI,组成病灶整体ROI5。主要利用t检验筛选出高、低恶性度PCa差异有统计学意义的参数,然后进一步评价不同范围ROI之间测量结果的差异,并对其进行多参数受试者工作特征(receiver operating characteristic,ROC)曲线分析,寻求具有最佳鉴别效能的参数。结果共分析48个病灶(17个低恶性度和31个高恶性度)的数据。在高、低恶性度PCa之间,所有偏度值及峰度值差异均无统计学意义,而对于不同大小的ROI,ADC均值及其百分位数差异均有统计学意义(低恶性度PCa的值均高于高恶性度PCa),ROI1、2所对应的部分标准差差异有统计学意义。另外,随着ROI范围的缩小,除了高恶性度PCa ADC值所对应的10%百分位数以外,所有ADC值、百分位数及其所对应的标准差均随之减小,但高、低恶性度病灶所对应的差异越来越小。ROI5与ROI1的ADC值、百分位数及其标准差差异均无统计学意义。对于第10百分位数,ROI1所对应的ADC值的曲线下面积(area under curve,AUC)最大,与ROI2相比,差异无统计学意义(0.891vs 0.860,P<0.05),但与ROI3、4相比,差异有统计学意义(0.891 vs 0.825,0.891 vs 0.817,P<0.05)。结论不同范围的ROI对ADC值及其百分位数的测量均有影响,且对不同恶性程度的PCa影响程度不一;在区分不同恶性程度的PCa上,直方图分析法可获得更多差异有统计学意义的参数;以T2WI上病灶边缘所对应的ADC值,其第10百分位数具有较好的PCa恶性度评估效能。(本文来源于《肿瘤影像学》期刊2018年03期）
张坤鹏[7]（2018）在《基于卷积神经网络的肺结节恶性度分类》一文中研究指出肺癌是全世界面临的灾难性疾病,居癌症死亡率之首。研究表明:提前筛查,精准诊断,积极治疗能明显降低肺癌患者的死亡率,因此肺癌的早期筛查研究具有非常重要的意义。肺癌的早期病变形式是肺结节,其通常以孤立型,血管粘连型和近胸膜型叁种存在。它在医学影像中的表现通常为圆形或者类圆形,肺部组织复杂,仅凭临床医生和阅片医师的经验很难十分准确的将肺结节和胸部组织中的血管,支气管等区分开。血管粘连型和近胸膜型更是肺癌筛查工作中的难中之难。近些年来,随着医学影像技术的发展,计算机断层扫描技术(CT)的引入,让肺癌早期筛查成为可能。但随之而来的是数以千计的胸部CT图片,严重增加了阅片医师的工作负担。而卷积神经网络(CNN)基于大数据,且不用手工提取特征,自动化程度高等特点,成为近阶段图像处理领域的新方向。如何利用卷积神经网络(CNN)与医学影像结合,辅助医生进行诊断成为医学图像处理领域的研究热点。因此,本文将重点研究利用卷积神经网络来实现放射科医师阅片的完整过程。具体思路是:患者拍过胸部CT图片后先经过卷积神经网络将含有肺结节的图片筛选出来;然后送入区域全卷积神经网络中进行肺结节定位检测;最后将检测出来的肺结节送入卷积神经网络中进行肺结节的恶性度分类,达到减轻阅片医师负担,辅助临床医师肺癌早期筛查的目的,实现肺癌的可靠、稳定、高精度筛查。本文的主要工作是研究了针对基于卷积神经网络的肺结节恶性度分类方法。首先本文回顾了深度学习在图像领域的研究现状和发展,然后通过肺结节图片筛查,肺结节检测和肺结节恶性度分类叁个方面进行研究,重点研究了改进的卷积神经网络来实现胸部图片二分类,肺结节检测定位和肺结节恶性度分类,取得了颇为满意的实验结果。本文主要贡献点如下:(1)对于胸部图片的二分类,我们通过大量实验对比多种卷积神经网络模型,最终针对胸部CT图像提出了一种适合肺结节图片筛查的卷积神经网络算法。该法不仅实现了在不分割或压缩图片尺寸的情况下实现肺结节图片的高精度筛查,而且对尺寸小于3mm的肺结节的筛查有良好的效果。(2)在对肺结节进行定位检测时,我们首先对数据进行了肺实质的提取和边缘修复操作,以排除肺实质以外的噪声干扰,利于我们设计的算法能实现肺结节更高精度的定位。设计定位网络时我们为提高网络的利用率,与上面共享了用于提取目标特征的卷积部分。再结合区域预测网络和目标判别网络构成我们设计的肺结节定位网络。通过实验该网络能准确定位肺结节,取得了较好的定位效果。(3)针对肺结节的良恶性分类,提出了基于恶性度分类的想法,并通过模拟四个放射科医师对肺结节进行分类方法提出一种集成学习的方式将多个神经网络融合实现肺结节的恶性度分类,取得了良好的分类效果。(本文来源于《郑州大学》期刊2018-04-01）
刘娜香,唐丽娜,沈友洪,钟兆明,杜忠实[8]（2017）在《甲状腺髓样癌38例的恶性度与超声表现临床分析》一文中研究指出目的探讨甲状腺髓样癌的超声表现与其恶性度之间的临床意义。方法分析总结我院38例甲状腺髓样癌的超声表现,将肿块按照TI-RADS分类系统分为两类:类腺瘤样结节(b-MTC)与典型甲状腺恶性结节(m-MTC),并将两者之间的侵袭性相关参数进行比较。结果 m-MTC与b-MTC在平均大小方面,差异有统计学意义(P=0.035)。淋巴结转移更多见于m-MTC,两者差异有统计学意义(P=0.000 5)。甲状腺被膜受侵仅见于m-MTC,两者差异有统计学意义(P=0.000 3)。在TNM分期越晚的结节更多见于m-MTC,两者差异有统计学意义(P=0.003 9)。结论部分MTC(63.2%)恶性度高,易出现甲状腺被膜受侵及淋巴结转移,超声医师应加强对侧颈及中央区淋巴结扫查,为临床提供合理的手术方式;部分(36.8%)结节表现为类腺瘤样声像,超声容易误诊,应提示临床医师检查血清降钙素或癌胚抗原。(本文来源于《福建医药杂志》期刊2017年06期）
桑鋆智,李醒,张天宇,李卉,吕伟扬[9]（2017）在《磁共振动态定量扫描在鉴别腮腺肿瘤恶性度中的应用》一文中研究指出目的研究动态增强磁共振扫描(Dynamic Enhanced MRI,DCE-MRI)定量参数在诊断良恶性腮腺肿瘤中的情况分析。方法选取2016年8月~2017年1月间于我院行DCE-MRI扫描并进行手术病理确诊的患者共90例,包括肿块112个。分析各病理类型的肿块的定量参数数据:K~(trans)、K_(ep)、Ve,同时分析DCE-MRI定量参数在良恶性肿瘤诊断的灵敏度和特异度。结果腮腺淋巴瘤、腮腺恶性肿瘤、腮腺混合瘤和其余各类良性病灶的K~(trans)值、K_(ep)值和Ve值间的差异具有统计学意义(c2=11.23;34.56;44.79,P<0.01);恶性肿瘤病灶较混合瘤病灶的K~(trans)值和K_(ep)值明显较高,而K_(ep)值明显较淋巴瘤低。恶性肿瘤与多形性腺瘤规定阈值K~(trans)=0.31 min~(-1),恶性肿瘤病灶的确诊灵敏度为74.31%。特异度为78.92%;恶性肿瘤与腺淋巴瘤比较规定阈值K_(ep)=0.96 min~(-1)、Ve=0.364,恶性肿瘤病灶的确诊灵敏度为66.32%,特异度为69.26%。结论 DCE-MRI中定量参数扫描效果准确,在诊断良恶性腮腺病变中有着较好的效果,值得临床推广使用。(本文来源于《中国医疗设备》期刊2017年08期）
付凯,陈楚杰,林藩雄,刘瀚华,周祥福[10]（2015）在《术前中性粒细胞与淋巴细胞比值与前列腺癌恶性度的关系探讨》一文中研究指出目的探讨中性粒细胞/淋巴细胞比值(NLR)与前列腺癌恶性度的关系。方法回顾性分析2009年5月至2014年5月间首诊于中山大学第叁附属医院泌尿外科240例前列腺癌患者的临床资料,根据术前外周静脉血NLR,分为高NLR组(NLR≥2.80)和低NLR组(NLR<2.80),分析不同危险度、血清PSA及不同肿瘤分期组间患者NLR值差异以及相关性。结果不同危险度和不同临床分期之间NLR值差异有统计学意义(P<0.05),高NLR组患者前列腺癌危险度、血清PSA值较低NLR组要高,肿瘤侵犯范围也较广,差异具有统计学意义(P<0.05)。结论术前外周血NLR值越高提示前列腺癌恶性度越高,预后越差。(本文来源于《中华腔镜泌尿外科杂志(电子版)》期刊2015年05期）
恶性度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的:通过收集174例就诊我院经病理证实的前列腺癌患者的资料,包括TPSA、肿瘤侵袭范围、Gleason评分、骨转移情况等临床病理资料,从而探讨术前中性粒淋巴细胞比值(Neutrophil-to-lymphocyte Ratio,NLR)对PCa恶性程度预测的临床价值。方法:获取2016年10月至2018年10月在皖南医学院附属弋矶山医院泌尿外科住院并经病理证实为前列腺癌患者174例临床资料。将所有患者按照TPSA值高低、Gleason评分高低、肿瘤侵袭范围程度及是否发生骨转移,进行不同分组。收集中性粒细胞与淋巴细胞计数,计算两者之间的比值,得出NLR值,采用均值±标准差表示,绘制ROC曲线分析得出NLR的评价临界点,以NLR≥3.02为高NLR,NLR<3.02为低NLR。使用SPSS 21.0软件对不同组中的NLR值数据进行统计分析,两独立样本t检验用于两组间比较;多组间比较采用单因素方差分析(ANOVA),进一步采用LSD法对各组间有统计学意义的指标进行两两比较。分类计数资料均采用病例数(百分率)表示,组间比较通过χ~2检验进行。使用Spearman分析NLR水平与各相关指标间的相关性。检验水准均为P<0.05有统计学意义。结果:参照本研究中的纳入排除标准,共有174例,年龄范围为45-80岁,平均年龄为63.42±10.06岁。其中TPSA值4-10ng/ml:23例,10-20ng/ml:62例,20-50ng/ml:71例,>50ng/ml:18例;有高危组患者85例,中危组患者65例,低危组患者24例;包膜内组98例,仅突破包膜组及浸润精囊组76例;伴有骨转移34例。(1)各TPSA组患者的高NLR所占比例(8.7%,16.1%,26.8%,77.8%)呈增加趋势(P<0.05);各TPSA组的NLR值(2.00±0.64,2.25±0.89,2.70±0.84,3.79±0.93),总体差异有统计学意义(P<0.05),各组间NLR水平两两比较经LSD法分析,差异均有统计学意义(P<0.05)。(2)高危组患者的高NLR所占比例(37.6%)明显高于中低危(16.9%,8.3%)组(P<0.05);高危组的NLR值(2.93±0.92),中危组NLR值(2.28±0.96),低危组NLR值(2.01±0.64),总体差异有统计学意义(P<0.05),各组间两两比较经LSD法分析,差异均有统计学意义(P<0.05)。(3)浸润精囊组患者的高NLR所占比例(73.9%)明显高于局限包膜内组(13.3%)、仅突破包膜组(28.3%)(P<0.05);浸润精囊组的NLR值(3.53±1.14),仅突破包膜组NLR值(2.80±0.88),包膜内组NLR值(2.20±0.77),总体差异有统计学意义(P<0.05),各组间两两比较经LSD法分析,差异均有统计学意义(P<0.05)。(4)骨转移组患者的高NLR所占比例(55.9%)显着高于无骨转移(18.6%)(P<0.05);骨转移组患者的NLR值(3.29±1.33)明显高于无骨转移(2.38±0.77)患者,差异有统计学意义(P<0.05)。(5)NLR水平与危险度、侵袭范围程度、PSA水平之间均存在明显的正相关(r_s>0,P<0.05)。结论:1.不同TPSA值越大、Gleason评分越高、肿瘤侵袭范围越广,NLR值越高,同时NLR与TPSA、侵袭范围、Gleason评分存在正相关;2.NLR越高,PCa的恶性度越高,预后也会越差,可将NLR作为一个指标,对PCa患者病情评估提供参考价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
恶性度论文参考文献
[1].纪国华,赵青杉.基于混合特征与复合LVQ的肺结节恶性度分级方法[J].电脑编程技巧与维护.2019
[2].张超前.术前炎症指标中性粒淋巴细胞比值（NLR）与前列腺癌恶性度的相关研究[D].皖南医学院.2019
[3].彭芳.超声评价甲状腺结节恶性度分级的应用研究[J].影像研究与医学应用.2018
[4].徐久强,洪丽萍,朱宏博,赵海.一种用于肺结节恶性度分类的生成对抗网络[J].东北大学学报(自然科学版).2018
[5].赵海,杨婷婷,朱宏博,窦圣昶.一种基于ARG的肺结节良恶性度判定方法[J].东北大学学报(自然科学版).2018
[6].杨孟,沈益君,王奇峰,钱敏,周良平.感兴趣区范围的变化对不同恶性度前列腺癌表观扩散系数直方图特征的影响[J].肿瘤影像学.2018
[7].张坤鹏.基于卷积神经网络的肺结节恶性度分类[D].郑州大学.2018
[8].刘娜香,唐丽娜,沈友洪,钟兆明,杜忠实.甲状腺髓样癌38例的恶性度与超声表现临床分析[J].福建医药杂志.2017
[9].桑鋆智,李醒,张天宇,李卉,吕伟扬.磁共振动态定量扫描在鉴别腮腺肿瘤恶性度中的应用[J].中国医疗设备.2017
[10].付凯,陈楚杰,林藩雄,刘瀚华,周祥福.术前中性粒细胞与淋巴细胞比值与前列腺癌恶性度的关系探讨[J].中华腔镜泌尿外科杂志(电子版).2015
论文知识图
