qq_44505899的博客

随后，本研究开发了一个结合临床模型和 DLRad1 特征的组合模型，以评估影像组学特征的附加预测价值。训练队列中，联合模型达到了最高的 AUC（0.919，95% CI：0.885–0.962），优于临床模型（AUC=0.617，95% CI：0.536–0.698）和 DLRad1 模型（AUC=0.910，95% CI：0.867–0.954）。且亚区域2、3、4的预测性能显著低于亚区域1，亚区域1与亚区域2的组合并未提高诊断性能（P = 0.671）。的影像组学特征和多通道 2D 深度学习特征；

磁共振成像（MRI）、全切片图像（WSI）和临床风险因素数据构建MIFAPS多模态预测模型，用于准确预测乳腺癌患者新辅助化疗（NAC）的病理完全缓解（pCR）。

基于医学影像的数据增强方法

医学影像数据之nii、dcm、png的数据格式互转

Python版：TotalSegmentator 安装与使用指南