基于深度学习的鼻咽癌患者MR影像病灶分割和预后方法研究

发布时间：2020-03-22 20:59

【摘要】：鼻咽癌(nasopharyngeal carcinoma,NPC)是人体鼻咽部最常见的恶性肿瘤,患者MR图像的病灶检测和淋巴结准确定位,是进行诊断、制定治疗方案与预后的重要基础。研究对象来自中山大学肿瘤防治中心,总共收集647名鼻咽癌患者临床信息与T1W、T2W、T1C等三种序列头颈部结构MR图像,由富有经验的医生勾画的肿瘤与淋巴结轮廓作为金标准,对被试按照3:1的比例划分为训练集与独立测试集。根据多序列MR图像的特点,分别构建多序列2D-ResUNet和多序列多维融合(Multi-sequence and multi-dimensional fusion,MSMDF)模型,对肿瘤区域与淋巴结进行分割。利用分割模型的结果,提取图像特征,并与TN分期、颅神经侵犯、EBV-DNA拷贝数、治疗前EBV含量、VCAIgA、EAIgA等临床指标相融合,构建分类预测模型,对术后是否转移与复发进行评估预测。实验结果表明,多序列2D-ResUNet对肿瘤与淋巴结的测试Dice值分别为0.786、0.808,豪斯多夫距离(Hausdorff distance,HD)分别为6.09mm、5.72mm,面积差占比(percentage of area difference,PAD)分别为19.1%、17.7%;而MSMDF模型对肿瘤与淋巴结的测试Dice值分别为0.801、0.830,HD分别为5.97mm、5.43mm,PAD分别为18.0%、15.6%。转移评估模型中,单独采用临床指标、单独采用图像特征、图像特征结合临床指标三种方法AUC值分别为0.733,0.791,0.840,F1值分别为0.458,0.622,0.727;评估模型中,以上三种方法AUC值分别为0.727,0.802,0.849,F1值分别为0.432,0.571,0.686。本研究利用NPC患者的多序列MR影像,建立基于多序列影像的深度学习模型,通过实验证明,该模型可准确有效地检测肿瘤区域与淋巴结,将分割结果与其它临床指标相融合,实现NPC术后转移与复发的评估预测。研究方法与结果对NPC患者的诊断、治疗与预后等具有重要的临床应用价值。
【图文】：

淋巴结,肿瘤,遗传变异,生理

第一章绪论轮廓线表示淋巴结区域，NPC 肿瘤与淋巴结分割难点主要体现在以肿瘤与淋巴结形状、大小、位置复杂多变，因人而异；其次，肿瘤界限模糊且可能毗邻其他器官及血管；另外，NPC 肿瘤影像表现存在灰度不均匀等；最后，淋巴结可能毗邻肿瘤，两者界限模糊，进一如图 1-1 中第三行所示，肿瘤与淋巴结位置相邻且紧连一起，，分割床上 NPC 肿瘤的分割方法为人工勾画，该过程十分耗时耗力，且对。第二是 NPC 肿瘤的预后，主要包括预测患者术后肿瘤是否转移以客观可靠的评估指标，因此也需凭借医生的主观判断。因此，亟待的 NPC 肿瘤分割以及预后方法，来辅助临床医生进行诊断及预后。

示意图,卷积,示意图,全局特征

图 2-1 卷积示意图Figure 2-1 Convolution示，显示了以 1×1 为步 2×2 的输出矩阵的过程小、步长以及填充方式I 表示输入尺寸，K 表示2*1I K POS 、纹理等低阶特征，而特征。卷积层具有局部感存在较为密切的联系，而进行感知，仅需对局部出全局特征，这样参数
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;TP391.41;R739.63;R445.2

【参考文献】