何子龙
- 作品数：37 被引量：127H指数：5
- 供职机构：南方医科大学南方医院更多>>
- 发文基金：广东省科技计划工业攻关项目南方医科大学南方医院院长基金广州市科技计划项目更多>>
- 相关领域：医药卫生自动化与计算机技术交通运输工程经济管理更多>>
- 影像组学及影像基因组学预测乳腺癌分子分型的研究进展被引量：3
- 2024年
- 影像组学可从医学图像中高通量地提取大量影像特征,影像基因组学则侧重于挖掘影像数据与基因组之间的相关性。基于动态对比增强MRI(DCE-MRI)、乳腺X线摄影、乳腺超声等成像技术,影像组学及影像基因组学能够评估乳腺癌的肿瘤异质性及生物学行为,为乳腺癌诊断、疗效评估及预后预测等方面的研究提供了新途径和新思路,尤其在术前无创性地预测乳腺癌分子分型方面显示出极大的潜能。就影像组学及影像基因组学预测乳腺癌分子亚型方面的研究进展予以综述。
- 耿天吴泽琪秦耿耿何子龙
- 关键词：乳腺癌分子分型乳腺X线摄影磁共振成像
- 乳腺X线摄影及超声鉴别诊断乳腺叶状肿瘤与纤维腺瘤被引量：15
- 2019年
- 目的探讨乳腺X线摄影及超声诊断及鉴别诊断乳腺叶状肿瘤与纤维腺瘤的价值。方法回顾性分析并比较经病理证实的110例乳腺叶状肿瘤和102例纤维腺瘤患者的临床、X线和超声特征。结果乳腺纤维腺瘤最大径(2.71±1.44)cm,叶状肿瘤最大径(4.61±3.35)cm,差异有统计学意义(P<0.001)。乳腺良性与恶性叶状肿瘤最大径差异有统计学意义(P=0.024)。X线检查发现乳腺叶状肿瘤与纤维腺瘤在形状、边界、密度及内部钙化差异均有统计学意义(P均<0.05);超声发现两者形状、边界、内部囊变、后方回声及血流分级差异均有统计学意义(P均<0.05)。良性、交界性与恶性叶状肿瘤中,肿块内部是否囊变差异有统计学意义(P=0.006)。结论综合分析乳腺X线、超声及临床特点可以初步鉴别乳腺纤维腺瘤与叶状肿瘤,当肿块最大径>3.0 cm,呈分叶状高密度、伴有内部囊变、血流信号较丰富时提示叶状肿瘤。
- 汪思娜徐维敏秦耿耿文婵娟曾辉何子龙徐泽园陈卫国
- 关键词：叶状瘤纤维腺瘤乳房X线摄影术
- 乳腺单纯肿块型病变SVM分类模型与深度学习分类模型的诊断效能对比研究
- 何子龙陈卫国曾辉徐维敏
- 一种动态胸部摄影肺通气功能障碍全自动识别与评估方法
- 本发明公开了一种动态胸部摄影肺通气功能障碍全自动识别与评估方法，该方法包括：获取DICOM文件中的动态胸部摄影的第一原始图像以及第一肺通气显像图像；根据语义分割模型以及所述第一原始图像，获取第一肺野掩膜；根据所述第一原始...
- 何子龙 郭丫丫 白求顺陈卫国廖生武秦耿耿
- 基于乳腺X线摄影DBT图像纹理特征提取的单纯肿块型病变的深度学习分类模型构建
- 何子龙陈卫国秦耿耿徐维敏文婵娟曾辉吴杰芳
- 胸部断层融合辐射剂量的计算和与其他胸部成像方式的剂量对比被引量：3
- 2017年
- 目的提出一种计算胸部数字断层融合(DTS)辐射剂量的简单方法,并验证该方法的有效性;并比较DTS与胸部数字X线摄影(DR)、双能量减影(DES)、低剂量CT(LDCT)、常规CT的辐射剂量。方法对30例患者进行DTS检查,基于曝光参数提出及验证一种计算空气比释动能和剂量面积乘积的简单方法和校正因子。另收集接受DR、DES、LDCT和CT检查患者各30例,比较5种成像方式的有效剂量。结果空气比释动能和剂量面积乘积的校正因子分别为0.97和0.93,两参数预测值与实际值间的相对偏差为(0.5±0.4)%和(0.3±0.3)%。胸部DR、DES、DTS、LDCT、CT的ED差异有统计学意义(F=1 148.09,P<0.01),且除胸部DR与DES差异无统计学意义外,余成像方式两两比较差异均有统计学意义(P均<0.05)。结论本文所提出的预测DTS辐射剂量的简单计算方法,不需对每张断层图像的剂量进行叠加。相比于LDCT和CT,DTS具有低剂量优势;相比于DR和DES,DTS可通过三维成像提供更多信息。
- 马乐朱明欣秦耿耿何子龙蔡裕兴陈卫国
- 关键词：胸部
- 数字乳腺断层摄影与乳腺超声对致密型乳腺病变诊断价值对比研究
- 文婵娟陈卫国徐维敏曾辉吴杰芳何子龙秦耿耿
- 对比增强X线摄影对乳腺可疑病变的诊断价值被引量：18
- 2019年
- 目的探讨对比增强X线摄影(CESM)对可疑乳腺病变的诊断价值.方法前瞻性纳入南方医科大学南方医院2017年12月至2018年7月临床或筛查发现乳腺可疑病变,最终经病理活检或手术病理确诊的97例患者.均行全视野数字乳腺X线摄影(FFDM)+数字乳腺断层摄影(DBT)检查,并在此基础上行标准头尾位及内外斜位CESM检查.对影像图像进行分析,观察病变可见性、病变特征、强化类型、强化程度及乳腺影像报告和数据系统(BI-RADS)分类等.以病理结果为金标准,采用ROC对比结合CESM和不结合CESM两种方法的诊断效能.结果 97例患者共检出120个病灶,恶性病灶89个,包括81个浸润性癌和8个导管原位癌;良性病变31个.120个病灶中,CESM表现为无强化2个,轻度强化22个,中度强化15个,高度强化81个.肿块型强化96个,其中环形强化12个;非肿块型强化22个.结合CESM和不结合CESM两种方法基于BI-RADS恶性可能性积分的ROC下面积分别为0.923、0.900,差异有统计学意义(P<0.01).以BI-RADS 4b类及以上为阳性时,两种方法的敏感度分别为91.0%、80.9%,特异度分别为87.1%、93.5%.相对于FFDM和DBT,CESM能发现更多的乳腺癌病灶.结论 CESM诊断效能优于FFDM+DBT,对于可疑病变,行CESM检查可以提高乳腺癌诊断的准确性.
- 文婵娟徐维敏曾辉何子龙吴杰芳徐泽园汪思娜秦耿耿陈卫国
- 关键词：乳腺肿瘤
- 基于双模态乳腺影像特征的HER2表达状态多分类机器学习预测模型构建及可解释性分析研究
- 2024年
- 目的基于乳腺X线及超声双模态影像特征构建多分类机器学习模型,术前预测乳腺癌患者的人类表皮生长因子受体2(HER2)表达状态。方法搜集符合纳排标准的632例女性乳腺癌患者,其中HER2不表达141例、低表达311例、高表达180例。提取研究对象全视野数字化乳腺X线摄影(FFDM)、数字乳腺断层摄影(DBT)以及乳腺超声(US)图像上乳腺癌病灶的影像学征象。在完成数据预处理后,基于五种机器学习算法构建乳腺癌HER2表达状态的三分类预测模型。采用五折交叉验证训练机器学习模型,计算三分类模型的总体准确率、精确率、查全率、F1⁃score、受试者工作特征曲线(ROC)曲线下面积(AUC)值。通过Bootstrap法比较模型间AUC值,筛选出分类性能最优的三分类模型。采用SHAP方法评估每个特征对模型预测HER2表达状态的重要性。结果在测试集上,随机森林(RF)模型对HER2表达状态的三分类性能最优,宏平均AUC为0.723,微平均AUC为0.783,总体准确率为57.4%,宏平均召回率为53.0%。SHAP分析结果表明,影响RF模型输出最重要的五个全局特征依次为X线观察到的钙化、舒张压、细线样或线样分支状钙化、US测量的病灶最大径、CA153。结论基于乳腺X线及超声双模态影像特征的机器学习多分类模型可以实现乳腺癌患者HER2表达状态的术前预测,结合SHAP方法可以提高机器学习模型的可解释性。
- 舒予静何子龙曾伟雄刘家玲郭丫丫陈卫国
- 对比增强能谱乳腺X线摄影的病灶特征量化方法及系统
- 本发明公开了对比增强能谱乳腺X线摄影的病灶特征量化方法及系统，方法包括：根据乳腺轮廓图的CC位图像和MLO位图像，确定乳腺区域的边界点；对乳腺轮廓图进行搜索，得到病灶轮廓，并根据病灶轮廓确定病灶区域的边界点；根据乳腺区域...
- 马乐何子龙林晓佳蔡裕兴陈卫国
