CT影像组学预测高低风险组织类型胃癌的研究

发布时间：2024-04-27 18:55

　　目的:通过高通量提取并筛选胃癌CT影像特征,联合胃癌患者术前相关临床特征,探索CT影像组学在术前预测高低风险组织类型胃癌中的价值。方法:回顾性分析2012年1月-2017年12月在某医院连续诊治的经手术病理证实的570例胃癌病例,其中乳头状腺癌7例、高/中分化管状腺癌285例、低分化腺癌247例、黏液腺癌21例和印戒细胞癌10例,依据文献资料的研究结论将其分为高风险组织类型胃癌组和低风险组织类型胃癌组。所有样本按照2:1的比例被随机分为训练组和验证组,以供模型构建和验证。患者术前CT检查前规范准备为:空腹服水和肌注低张药;多排螺旋CT(MSCT)行全胃平扫、动脉期和静脉期三期扫描,并进行CT-TNM分期,扫描层厚为0.625mm,平扫、动脉期和静脉期轴位重建层厚5 mm,静脉期冠状位重建层厚3 mm,软组织对比重建,矩阵512×512,图像重建后以无压缩DICOM数据传输至PACS。影像科腹部组主治医师采用ITK-SNAP软件分割CT图像中胃癌原发病灶作为兴趣区域,选取静脉期轴位CT图像的肿瘤最大层面进行分割,再先后由影像科副主任医师和主任医师进行校正。采用多因素Logistic回归分...

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图2.1图中红色区域为手动分割的胃癌感兴趣区域（ROI）

江苏大学硕士学位论文7者CT影像资料文件夹并打开，选择增强静脉期重建序列并打开，任意点击一个图片，即将该病例CT影像资料导入ITK-SNAP软件。（2）图像选择和调整：软件打开所选择的整个序列图像，并分别显示轴位、冠状位和矢状位图像。选择轴位图像并放大以便分割ROI，并在工具菜单....

图2.2.A:胃癌患者的CT图像；B:红色区域表示使用ITK-SNAP软件手动分割的ROI；C:从ROI中提取CT图像特征，包括强度特征、形状特征、纹理特征等；D:通过mRMR、LASSO和逐步回归进行

江苏大学硕士学位论文9能中等，0.9以上表示模型分类性能较高[38]。采用校正曲线分析模型的预测结果和临床观察结果之间的一致性，评估影像组学模型的鲁棒性[39]。使用Hosmer-Lemeshow检验进行分析，P>0.05表示预测模型与理想模型的拟合程度高。影像组学方法的流程图见....

图3.1A：3种模型的ROC曲线

江苏大学硕士学位论文13表3.3模型性能的评价结果Table3.3Evaluationresultsofmodelperformance评价指标临床特征模型影像组学标签影像组学模型训练组验证组训练组验证组训练组验证组TN123771628614282TP1033682371074....

图3.2CT影像组学模型在训练组中的校准曲线，Hosmer-Lemesshow检验结果:p=0.5627

CT影像组学预测高低风险组织类型胃癌的研究14床特征构成。图3.2CT影像组学模型在训练组中的校准曲线Figure3.2ThecalibrationcurveofNomograminthetrainingcohort.图3.2CT影像组学模型在训练组中的校准曲线，Hosmer-L....

本文编号：3965573