结直肠癌术前T分期的随机森林预测模型的建立与验证

发布时间：2021-10-11 06:47

　　目的:探讨基于CT图像及临床资料的随机森林（RF）模型对结直肠癌患者术前T分期的诊断价值。方法:回顾性分析2016年1月至2017年4月吉林大学第一医院,经手术病理证实为结直肠癌,获得病理T分期,且术前接受过CT结肠成像（CTC）或注水法结肠CT检查的611例患者（≤T2、T3、T4期分别为212例、221例、178例）,按照大致2∶1的比例采用计算机随机软件将患者分为训练组419例,验证组192例。病变均为单发。患者均行腹部CT平扫及增强扫描。收集患者的临床、影像及病理资料（性别、年龄、癌胚抗原、糖类抗原19-9、肠壁形变、肿瘤最大径、病变处肠壁厚度、肿瘤位置、肿瘤边缘是否毛糙、是否有脂肪浸润、是否累及周围组织、强化率、强化均匀性、病理T分期）。采用Spearman相关分析评价上述临床和影像因素与病理T分期的相关性。对训练组患者采用RF算法建立结直肠癌术前分期模型,分别采用RF预测模型和传统影像方法对验证组患者进行T分期诊断,以术后病理分期作为金标准,分别计算两种方法的准确度、敏感度、特异度,绘制受试者工作特征曲线（ROC）并计算曲线下面积（AUC）。采用一致性检验评价RF模型与病理... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：41 页

【学位级别】：硕士

【部分图文】：

四种肠壁形变的MDCT重建图像

图 3.2 传统影像方法术前诊断 T 分期的轴位 CT 图像（A）≤T2 期，肿瘤边缘光滑（黄箭）；（B）T3 期，直肠系膜毛糙，可见尖角样变（粗箭）；（C）T4 期，肿瘤侵犯相邻肝下缘（白箭）。.6 统计分析采用 SPSS18.0.0 统计软件包进行统计分析，采用美国 MATLAB2016a，MathWorks）的 RF 算法来训练结直肠癌 T 分期分类模型。非正分布的计量资料用中位数（上、下四分位数）表示，计数资料以频数表。以病理结果为金标准，计算 RF 模型和传统方法诊断 T 分期的敏感度

第 4 章 实验结果表 4.5 模型和传统方法预测结直肠癌 T 分期的敏感度和特异度[%（例）]随机森林模型 传统分期方法病理分期 敏感度 特异度 敏感度 特异度≤T2 期 84.1（53/63） 96.1（124/129） 41.3（26/63） 96.1（124/129）T3 期 81.8（54/66） 89.7（113/126） 27.3（18/66） 69（87/126）T4 期 95.2（60/63） 94.6（122/129） 85.7（54/63） 61.2（79/129）

【参考文献】：
期刊论文
[1]结直肠癌患者TNM分期的影响因素分析[J]. 常芳,许喜喜,潘建芬.  中国药物与临床. 2017(12)
[2]影像组学与大数据结合的研究现状[J]. 吴佩琪,刘再毅,何兰,黄燕琪,梁长虹.  中华放射学杂志. 2017 (07)
[3]影像组学在精准放疗中的应用[J]. 胡盼盼,王佳舟,胡伟刚,章真.  中华放射肿瘤学杂志. 2017 (01)
[4]影像组学的发展与应用[J]. 张利文,方梦捷,臧亚丽,朱永北,董迪,刘侠,田捷.  中华放射学杂志. 2017 (01)
[5]放射组学的兴起和研究进展[J]. 苏会芳,周国锋,谢传淼,蔡培强,张嵘,吴小亮,黎浩江,于行素,范卫君,樊懿,张振峰.  中华医学杂志. 2015 (07)
[6]Preoperative evaluation of colorectal cancer using CT colonography, MRI, and PET/CT[J]. Shigeyoshi Kijima,Takahiro Sasaki,Koichi Nagata,Kenichi Utano,Alan T Lefor,Hideharu Sugimoto.  World Journal of Gastroenterology. 2014(45)
[7]随机森林方法研究综述[J]. 方匡南,吴见彬,朱建平,谢邦昌.  统计与信息论坛. 2011(03)
[8]64排螺旋CT结肠成像评价结直肠癌术前TN分期[J]. 刘媛,周纯武,张红梅,蒋力明,姜军,王爽,马霄虹.  中国医学影像技术. 2009(12)
[9]结直肠癌新辅助化疗[J]. 顾晋,詹天成,姚云峰.  中国实用外科杂志. 2005(05)
[10]螺旋CT对结直肠癌术前分期的评价[J]. 周纯武,李静,赵心明.  中华肿瘤杂志. 2002(03)



本文编号：3429997