多模态影像组学分析方法用于鼻咽癌EB病毒DNA表达的研究

发布时间：2021-03-27 01:03

　　目的:研究使用基于神经网络算法的多模态影像组学分析方法,预测鼻咽癌患者血浆EB病毒DNA状态。以及筛选能够反映EB病毒DNA高危水平的影像学生物标志物特征,探究影像组学用于EB病毒DNA的状态分析的可行性。方法:样本资源来自于2017年5月至2018年1月在四川大学华西医院放射物理技术中心进行放疗定位鼻咽癌Ⅱ～Ⅳ期患者230人,所有患者都接受了放疗前的化疗和药物治疗。定位影像包括CT,T1WI和T2WI三种模态的医学影像,均来自于同一 CT模拟机和磁共振模拟机。使用实时荧光定量PCR测定的血浆DNA拷贝数进行DNA状态分组（大于100copies为阳性组,反之为阴性）,然后在DNA阳性组中继续DNA水平分组（大于4000copies为高危组,大于1000copies及小于4000copies为中危组,反之为低危组）。感兴趣区域的结构来自于用于放疗的肿瘤原发灶GTVnx,每个模态组使用Pyradiomics工具包提其中1026个影像特征。（1）DNA状态预测:使用10次随机分组的方法和威斯康辛秩和检验筛选训练组和验证组的同质性,使用柯尔莫可洛夫-斯米洛夫检验,Spearsman相关性检验... 

【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：54 页

【学位级别】：硕士

【部分图文】：

影像组学的基本流程

保证了图像资源的标准化。??取之前，所有的图像都做了归一化处理。??兴趣区域的分割??疗定位后，所有的图像导入Ｐｉｎｎａｃｌｅ放疗计划系背景的物理师对图像进行配准和融合，配准的方成后，由四川大学华西医院肿瘤中心的有至少Ｉ图像上进行手动靶区勾画，勾画完成后，将靶像上。复制至ＣＴ上的靶区结构将直接用于放疗选取的感兴趣区域是鼻咽癌的原发病灶ＧＴＶｎｘ，己经开始进行放疗的患者，保证所有的ＧＴＶｎｘ结构。对于部分没有做图像融合的影像资源，我的刚性配准方法进行了配准，将ＣＴ影像上的靶

３ａ。??小波分析正是通过伸缩和平移两种参数控制滤波函数遍历所要分析的信号，??当波函数和信号重合时，就会对信号进行增强，从而了解更多的信号细节，特别??是能够对非稳定信号进行时域分析，如图３ｂ。??小波变换的通过可随频率改变的“窗口”实现了多分辨率分析，由此带来了??良好的时频特性。在高频部分采用了逐渐精细的时域步长，对对象信号可以聚焦??分析到任意细节，这种聚焦分析可用于时频两域，以此达到表征信号局部特征，??特别对于图像信号这种非平稳信号的分析非常合适。在图像处理领域有广泛的运??用：图像压缩，图像降噪，图像融合，图像分割，图像增强等［６３，６４］。??４．在进行影像特征提取之前的所进行的图像处理：??归一化：所有的图像都归一化至０？１００，确保所有图像有统一的位宽。??再采样：由于本次研宄的影像资料同模态都保证了统一的扫描条件和重建条??件，因而不存在使用再采样处理。??滤波变换：本次研究对图像分别进行了保持原始图像，拉普拉斯高斯ＬｏＧ变??换，小波变换三种滤波变换，而拉普拉斯高斯变换的Ｓｉｇｍａ分别选取了?３ｍｍ和??５ｍｍ。其模板如图４???ｎ?ｆ０?０?１?０?Ｏ＇??


本文编号：3102578