MRI纹理分析对前列腺癌骨转移诊断价值的初步研究

发布时间：2021-04-05 06:20

　　目的:利用多参数磁共振成像图像进行纹理分析,训练机器学习模型,初步探究其对前列腺癌骨转移的诊断价值。研究方法:研究队列为我院2016年1月至2019年9月进行磁共振检查的经组织病理学证实的前列腺癌患者。112例被纳入研究。匹配T2加权成像（T2WI）、表观弥散系数（ADC）图像与病理学结果,确定病灶范围。使用ITK-SNAP图像处理软件逐层勾画病灶感兴趣区（ROI）,融合后得到感兴趣体积（VOI）。使用MIKT平台的A.K.软件进行影像组学特征的提取、降维及建模,同时对模型分类器进行训练。使用MedCalc软件（Version3.1.0）进行统计学分析及ROC曲线绘制。采用R语言（Version3.6.2）软件绘制决策曲线,验证模型的临床价值。结果:分别有5个ADC纹理特征及7个T2纹理特征可用于预测前列腺癌同期骨转移。在六种机器学习模型中,基于ADC图像纹理特征训练的Logistic Regression分类器模型训练组ROC曲线下面积AUC值为0.767,测试组AUC为0.790,表现出中等的分类性能。基于T2图像纹理特征训练的C＿SVC&LINEAR分类器模型训练组AUC... 

【文章来源】：中国医科大学辽宁省

【文章页数】：36 页

【学位级别】：硕士

【部分图文】：

沿病变各层面勾画ROI示意图

中国医科大学硕士学位论文10图3基于ADCLogisticRegression模型预测前列腺癌同期骨转移的ROC曲线图4基于T2C_SVC&LINEAR模型预测前列腺癌同期骨转移的ROC曲线

中国医科大学硕士学位论文10图3基于ADCLogisticRegression模型预测前列腺癌同期骨转移的ROC曲线图4基于T2C_SVC&LINEAR模型预测前列腺癌同期骨转移的ROC曲线

【参考文献】：
期刊论文
[1]影像组学中特征提取研究进展[J]. 谢凯,孙鸿飞,林涛,高留刚,眭建锋,倪昕晔.  中国医学影像技术. 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)



本文编号：3119304