Jove
Visualize
Contáctanos

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

[Study on effect of coptidis rhizoma on red blood cells of normal mice and its antioxidant property].

Zhongguo Zhong yao za zhi = Zhongguo zhongyao zazhi = China journal of Chinese materia medica·2013
Same author

General framework to histogram-shifting-based reversible data hiding.

IEEE transactions on image processing : a publication of the IEEE Signal Processing Society·2013
Same author

The prevalences of Neisseria gonorrhoeae and Chlamydia trachomatis infections among female sex workers in China.

BMC public health·2013
Same author

[Study on allocation rules of common nutrients in Scutellaria baicalensis in different phenological periods by ICP-OES].

Guang pu xue yu guang pu fen xi = Guang pu·2013
Same author

Sesterterpenoids.

Natural product reports·2013
Same author

14-3-3 sigma is a useful immunohistochemical marker for diagnosing ovarian granulosa cell tumors and steroid cell tumors.

International journal of gynecological pathology : official journal of the International Society of Gynecological Pathologists·2013
Same journal

Association between HPV-16 and HPV-18 viral loads and severity of cervical pre-invasive lesions in women with and without HIV in Botswana.

Frontiers in oncology·2026
Same journal

Radiomics-based interpretable machine learning model from multiphasic CT imaging for predicting pathological grade in upper tract urothelial carcinoma: a multicenter study.

Frontiers in oncology·2026
Same journal

Case Report: Conversion therapy for initially unresectable intrahepatic cholangiocarcinoma.

Frontiers in oncology·2026
Same journal

Analysis of ultrasonic characteristics in 12 cases of ovarian Sertoli-Leydig cell tumour.

Frontiers in oncology·2026
Same journal

Severe asparaginase-associated hypertriglyceridemia in pediatric acute lymphoblastic leukemia: a single-center experience.

Frontiers in oncology·2026
Same journal

Evaluation of the CIB1R peptide derived from the cytoplasmic domain of neprilysin on cell migration in an <i>in vitro</i> model of lung cancer.

Frontiers in oncology·2026
Ver todos los artículos relacionados
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Video Experimental Relacionado

Updated: Jan 7, 2026

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images
04:23

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images

Published on: April 21, 2023

2.2K

Aprendizaje automático explicable basado en TC para predecir nódulos tiroideos benignos y malignos: un estudio

Haijun He1, Mingquan Luo1, Kai Hu1

  • 1Department of Radiology, Nanbu County People's Hospital, Nanchong, Sichuan, China.

Frontiers in oncology
|December 25, 2025
PubMed
Resumen
Este resumen es generado por máquina.

Este estudio desarrolló un modelo de aprendizaje automático explicable para predecir la malignidad de los nódulos tiroideos utilizando TC. El modelo combinado diferencia con precisión los nódulos benignos de los malignos, lo que ayuda en la toma de decisiones clínicas.

Palabras clave:
TCexplicaciones aditivas de SHapleybenignidad o malignidadaprendizaje automáticonódulos tiroideos

Más Videos Relacionados

Author Spotlight: Integrating Ultrasound Imaging with Biochemical Markers for Thyroid Disease Diagnosis
05:41

Author Spotlight: Integrating Ultrasound Imaging with Biochemical Markers for Thyroid Disease Diagnosis

Published on: February 9, 2024

1.0K
Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules
10:26

Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules

Published on: May 19, 2023

2.4K

Videos de Experimentos Relacionados

Last Updated: Jan 7, 2026

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images
04:23

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images

Published on: April 21, 2023

2.2K
Author Spotlight: Integrating Ultrasound Imaging with Biochemical Markers for Thyroid Disease Diagnosis
05:41

Author Spotlight: Integrating Ultrasound Imaging with Biochemical Markers for Thyroid Disease Diagnosis

Published on: February 9, 2024

1.0K
Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules
10:26

Author Spotlight: A 3D Digital Model for the Diagnosis and Treatment of Pulmonary Nodules

Published on: May 19, 2023

2.4K

Área de la Ciencia:

  • Radiología
  • Inteligencia Artificial
  • Oncología

Sus antecedentes:

  • Los nódulos tiroideos son comunes y la predicción de malignidad plantea un desafío clínico.
  • La diferenciación preoperatoria precisa es crucial para el manejo adecuado del paciente.

Objetivo del estudio:

  • Desarrollar y validar un modelo de aprendizaje automático explicable basado en TC para predecir la malignidad de los nódulos tiroideos.
  • Mejorar la precisión del diagnóstico preoperatorio y guiar la toma de decisiones clínicas.

Principales métodos:

  • Análisis retrospectivo de 370 nódulos tiroideos con confirmación patológica.
  • Extracción de características de radiómica de imágenes de TC para crear una puntuación de radiómica (Rad_Score).
  • Desarrollo de modelos clínicos, de imagen y combinados (clínico + Rad_Score) utilizando algoritmos de regresión logística (LR) y máquina de vectores de soporte (SVM).
  • Análisis SHAP para la interpretabilidad del modelo.

Principales resultados:

  • El modelo combinado de LR logró altos valores de AUC (0.962 entrenamiento, 0.913 validación interna, 0.914 validación externa).
  • El modelo combinado superó a los modelos clínicos y de radiómica individuales.
  • El análisis SHAP resaltó la importancia de Rad_Score, mejorando la transparencia del modelo.

Conclusiones:

  • El modelo combinado explicable basado en TC utilizando LR demuestra un rendimiento superior para la predicción preoperatoria de la malignidad de los nódulos tiroideos.
  • Esta herramienta no invasiva ofrece un método eficiente y transparente para diferenciar los nódulos benignos de los malignos.
  • El modelo tiene el potencial de optimizar las estrategias de manejo clínico individualizadas para los nódulos tiroideos.