基于CT影像组学对食管鳞状细胞癌病理分化程度的预测

发布时间：2020-03-28 21:13

【摘要】：目的:探讨基于CT的影像组学对于预测食管鳞状细胞癌分化程度研究中的价值。方法:回顾性分析广东省人民医院从2008年1月到2016年8月,经手术切除、病理证实为食管鳞状细胞癌,临床资料齐全和术前行X线计算机体层成像(X-ray computed tomography,CT)增强扫描且获得完整图像的160例病例,随机分为训练组(103例)和验证组(57例),使用3D Slicer对病灶进行感兴趣区域(Interest of Region,ROI)逐层勾画;随后,使用Matlab软件对获得的图像进行特征提取;使用R软件进行特征筛选,构建影像组学标签。结合提取的影像组学标签和临床资料构建多变量Logistic回归模型,构建影像组学模型(radiomics predictive mode)并进行验证。利用受试者操作特征(receiver operator characteristic,ROC)曲线评价模型对术前预测食管鳞状细胞癌分化程度的效能进行评价。结果:影像组学标签是食道癌病理分化程度的独立预测因素。影像组学预测模型在训练样本中的预测效能AUC(area under curve)值是0.791,敏感度是81.6%,特异度是72.3%;在验证样本中,AUC值是0.757,敏感度是70.0%,特异度是73.0%。结论:利用CT图像提取出的影像组学特征所构建的影像组学模型,在术前预测食管癌分化程度方面有一定的预测效能。
【图文】：

患者,食管癌,病灶,图像

图 A 为食管癌患者 1 下段 CT 增强图像，B 为该患者病灶分割；图 C 为食管癌患者 CT 增强图像，D 为该患者病灶分割。分割时，排除病灶中的坏死、出血等区域。影像组学特征提取及筛选于分割后的图像，运用 Matlab 2016b 软件（https://cn.mathworks.com/）对图像组学特征提取。总共纳入 160 例病人，随机分成训练集（103 例）和验证（57 取 9790 个影像组学特征，，提取的影像组学特征包括以下四类：一阶灰度统计量：对感兴趣区域内的像素（或体素）强度的分布情况进行描述征不需要进行差分运算，可以被用来描述连续强度的分布情况。在强度规模况下，获得的一阶灰度统计量是没有意义的。以下对主要特征进行介绍：度(kurtosis)又称峰态系数：反应感兴趣区域中体素分布的峰值高低的特征数。Kurtosis == = - - ）

特征集合,不同参数,硕士学位论文,可变性

华南理工大学硕士学位论文moment normalized，IDN）：描述图像局部的均匀性情况。IDN == =加o- 9rbio3.1_1_SZE：表示采用小波函数 rbio3.1 在 LLL 方向上（以数字向 LLL、LLH、LHL、LHH、HLL、HLH、HHL、HHH）的空间Non-Uniformity，SZN）：描述图像中连通区域的可变性。SZN == =加= =加- 0
【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】：R735.1;R730.44

【参考文献】