CT图像放射组学分析鉴别诊断磨玻璃密度肺腺癌的浸润性
发布时间：2022-01-06 13:11
目的:通过放射组学分析方法研究在计算机断层扫描（computed tomography,CT）图像中表现为亚实性磨玻璃结节（ground-glass nodules,GGNs）,鉴别该结节是属于侵袭性肺腺癌（invasive pulmonary adenocarcinomas,IPAs）或非IPA,并结合传统CT图像定性特征与其他临床特征,为IPA制定诊断诺模图模型。方法:这项回顾性研究纳入了2014年2月至2016年11月在中国医科大学附属第一医院进行手术确诊的88例患者,共计100例亚实性结节（56例IPA和44例非IPA）。选取增强CT动脉期图像进行3D结节感兴趣区的分割并计算定量放射组学特征。使用逻辑回归分析将一组常规临床风险因素和放射医生视觉评估的定性CT成像特征与放射学特征进行比较。建立三种诊断模型,即使用临床风险因素和CT定性特征的基础模型,使用包含具有统计学意义的放射组学特征模型,以及结合所有重要特征的诺模图模型,并根据接受者操作特性曲线（receiver operating characteristic curve,ROC）对三种模型的诊断效能分别进行比较。对诺模图模...
【文章来源】：中国医科大学辽宁省
【文章页数】：31 页
【学位级别】：硕士
【部分图文】：
研究对象的纳入和排除流程图（n表示患者的数量）
中国医科大学硕士学位论文3CT扫描成像参数及流程：所有患者均使用相同的双源CT扫描机器（SomatomDefinitionFlash，SiemensMedicalSolutions，Forchheim，Germany）进行胸部增强CT扫描。采集参数如下：100和140kV;护理剂量4D;旋转时间为0.5或0.28秒;探测器准直，128×0.5mm;视场，350毫米×350毫米;和矩阵：512×512。常规非增强CT后，用泵注射器以2.5-3.0mL/s的速率静脉注射70-90mL碘化造影剂10-15s后进行动脉期造影增强CT（XD2003，UlrichMedical，Ulm，Germany）。重建对比增强CT，结构厚度为2mm，重建间隔为2mm，重建内核为D33fmedsmooth。临床危险因素和医生视觉评估的定性CT图像特征：第一组特征是典型的临床风险因素，包括年龄，性别，家族史和吸烟史。第二组特征是用于当前临床诊断的视觉评估的定性CT成像特征，包括病灶形状，边缘，位置，病变大小，胸膜牵拉，扩张的细支气管，小血管扩张，实性成分大小和实性成分占比。从临床报告中回顾性地提取以上风险因素和定性CT图像特征。定量放射组学特征和放射组学模型：第三组特征是从结节中提取的数百个定量放射组学特征。首先通过放射科医生手动分割结节，沿着每个CT薄层图像上的结节的边界绘制感兴趣区域（regionofinterest,ROI），直到整个结节被覆盖，产生三维结节分割。使用AK软件（Analysis-Kinetics，GEHealthcare，USA）从三维结节体积自动计算总共396个通常报告的放射学特征（图2）。图2.研究中使用的定量放射学特征ROI分割的测量者内和测量者间一致性：放射学特征是由放射科医师在CT图像中手动描绘的结节ROI计算的。ROI的描述可能会存在测量者的误差。在15名随机选择的患者（10名IPA和5名非IPA患者）上分析了ROI分割的读者
中国医科大学硕士学位论文7图3.基础模型的ROC曲线（AUC=0.853），放射性模型（AUC=0.769）和诺模图模型（AUC=0.903）。诺模图模型显示，与基础模型（P=0.0009）或放射组学模型（P<0.0001）相比，区分IPA与非IPA的诊断效能明显更高。放射组学模型：测量者1和测量者2之间的放射学特征的相关系数是0.922。测量者1内的相关系数为0.915。本研究所有分析均基于测量者1提取的特征。在396个放射学特征中，107个在单变量分析中IPA和非IPA组之间存在显着差异。在特征去冗余之后，保留了三个特征（即，ClusterShade_angle45_offset7，sumEntropy和SphericalDisproportion）并用于构建放射组学模型。根据三个放射学特征和相应的逻辑回归系数的加权组合计算的单个“整体”特征的Rad评分在IPA之间略微显着（P=0.040）[平均Rad评分=1.037（范围：0.326至2.587）]和非IPA[平均Rad评分=-0.536（范围：-1.385至0.096）]区分CT图像表现为GGN的IPA和非IPA（图3）。
本文编号：3572514
【文章来源】：中国医科大学辽宁省
【文章页数】：31 页
【学位级别】：硕士
【部分图文】：
研究对象的纳入和排除流程图（n表示患者的数量）
中国医科大学硕士学位论文3CT扫描成像参数及流程：所有患者均使用相同的双源CT扫描机器（SomatomDefinitionFlash，SiemensMedicalSolutions，Forchheim，Germany）进行胸部增强CT扫描。采集参数如下：100和140kV;护理剂量4D;旋转时间为0.5或0.28秒;探测器准直，128×0.5mm;视场，350毫米×350毫米;和矩阵：512×512。常规非增强CT后，用泵注射器以2.5-3.0mL/s的速率静脉注射70-90mL碘化造影剂10-15s后进行动脉期造影增强CT（XD2003，UlrichMedical，Ulm，Germany）。重建对比增强CT，结构厚度为2mm，重建间隔为2mm，重建内核为D33fmedsmooth。临床危险因素和医生视觉评估的定性CT图像特征：第一组特征是典型的临床风险因素，包括年龄，性别，家族史和吸烟史。第二组特征是用于当前临床诊断的视觉评估的定性CT成像特征，包括病灶形状，边缘，位置，病变大小，胸膜牵拉，扩张的细支气管，小血管扩张，实性成分大小和实性成分占比。从临床报告中回顾性地提取以上风险因素和定性CT图像特征。定量放射组学特征和放射组学模型：第三组特征是从结节中提取的数百个定量放射组学特征。首先通过放射科医生手动分割结节，沿着每个CT薄层图像上的结节的边界绘制感兴趣区域（regionofinterest,ROI），直到整个结节被覆盖，产生三维结节分割。使用AK软件（Analysis-Kinetics，GEHealthcare，USA）从三维结节体积自动计算总共396个通常报告的放射学特征（图2）。图2.研究中使用的定量放射学特征ROI分割的测量者内和测量者间一致性：放射学特征是由放射科医师在CT图像中手动描绘的结节ROI计算的。ROI的描述可能会存在测量者的误差。在15名随机选择的患者（10名IPA和5名非IPA患者）上分析了ROI分割的读者
中国医科大学硕士学位论文7图3.基础模型的ROC曲线（AUC=0.853），放射性模型（AUC=0.769）和诺模图模型（AUC=0.903）。诺模图模型显示，与基础模型（P=0.0009）或放射组学模型（P<0.0001）相比，区分IPA与非IPA的诊断效能明显更高。放射组学模型：测量者1和测量者2之间的放射学特征的相关系数是0.922。测量者1内的相关系数为0.915。本研究所有分析均基于测量者1提取的特征。在396个放射学特征中，107个在单变量分析中IPA和非IPA组之间存在显着差异。在特征去冗余之后，保留了三个特征（即，ClusterShade_angle45_offset7，sumEntropy和SphericalDisproportion）并用于构建放射组学模型。根据三个放射学特征和相应的逻辑回归系数的加权组合计算的单个“整体”特征的Rad评分在IPA之间略微显着（P=0.040）[平均Rad评分=1.037（范围：0.326至2.587）]和非IPA[平均Rad评分=-0.536（范围：-1.385至0.096）]区分CT图像表现为GGN的IPA和非IPA（图3）。
本文编号：3572514
本文链接：https://www.wllwen.com/yixuelunwen/zlx/3572514.html
最近更新
教材专著
