论文部分内容阅读
第一部分 双参数MRI影像组学及ADC值诊断前列腺移行区和外周区癌的价值b=3000 s/mm2时诊断效能最大;诊断外周区前列腺癌亦是b=3000 s/mm2时诊断效能最大。5次交叉验证后平均测试数据结果显示超高b值(b=2000和3000 s/mm2)的AUC值最大,诊断前列腺移行区癌的AUC值分别为0.8156和0.8154;诊断外周区前列腺癌的AUC值分别为0.8316和0.8427。目的:探讨扩散加权成像(DWI)的ADC值诊断前列腺移行区与外周区癌的价值;以及基于双参数磁共振成像,利用影像组学对前列腺移行区与外周区癌的诊断价值进行研究。材料与方法:收集2015年10月至2018年12月期间,符合入选标准的633例前列腺疾病患者参加了本研究。所有患者图像均在GE 3.0T磁共振上扫描,图像序列包含横轴位高分辨率T2WI、DWI(b=0、1000、2000、3000 s/mm2),所有病例均获得了病理结果。由两名经验丰富的腹部MRI诊断医师分别对前列腺癌病灶及非癌灶进行ADC值的测量,并进行一致性及可重复性的评价;对前列腺癌病灶及非癌灶的ADC值进行比较;利用ROC曲线评价ADC值诊断前列腺移行区与外周区癌的价值。由两名经验丰富的腹部MRI诊断医师共同讨论后手动标记前列腺癌病灶与非癌灶,然后使用Radiomics提取106维特征。采用XGboost 0.81版、Python3.6版作为开发工具构建模型。通过PCA降维后作为输入,并且输入测试集以获得模型的预测能力。最后使用5折交叉验证来提高预测的准确性和模型的泛化能力。结果:两名医师测量前列腺癌病灶与非癌灶的ADC值一致性及可重复性极好,前列腺移行区癌与非癌灶、前列腺外周区癌与非癌灶间不同b值的ADC值均有明显差别(P<0.05)。不同b值的ADC值区分前列腺移行区癌与非癌灶、前列腺外周区癌与非癌灶的ROC曲线下面积(AUC)分别为0.798、0.857、0.884(reader1)和0.869、0.879、0.927(reader1),及 0.807、0.857、0.879(reader2)和 0.864、0.890、0.928(reader2)。通过比较不同b值诊断前列腺移行区癌的诊断效能具有差异,结论:超高b值DWI诊断前列腺癌具有非常高的价值,其中b=3000 s/mm2的诊断价值最高;双参数磁共振成像影像组学的机器学习能够准确自动区分不同区域的前列腺癌与非癌灶。第二部分 双参数MRI影像组学对Gleason分级的预测价值像组学的诊断效能低;从双参数磁共振图像中提取特征并利用神经网络能够准确自动区分前列腺癌病理的Gleason高危组和低危组,这种的模型具有很强的泛化能力,不易过度拟合。目的:利用扩散加权成像(DWI)的ADC值对前列腺癌病理Gleason评分高、低危组分级进行研究;以及基于双参数磁共振成像,利用神经网络分类的性能对前列腺癌病理的Gleason评分高、低危组分级进行评判。材料和方法:收集2015年10月至2018年12月期间符合入选标准的316例前列腺癌病例参加了本研究。双参数磁共振成像序列包括高分辨横轴位T2WI及DWI(b=0、1000、2000、3000 s/mm2),所有病例都获得了手术病理结果。由两名经验丰富的腹部MRI诊断医师分别对前列腺癌病灶进行ADC值的测量,并进行一致性和可重复性的评价;对前列腺癌Gleason高危组与低危组间的ADC值进行比较;利用ROC曲线评价不同b值的ADC值区分前列腺癌高、低危组的价值。由两名经验丰富的腹部MRI诊断医师共同讨论后使用3D-slicer软件手动勾画病灶,利用Radiomics方法提取106维特征,进行Spearman非参数相关性检验,然后再进行降维。通过前列腺癌作为输入,对构造的神经网络进行训练,并且输入测试集以获得模型的预测能力。最后使用10次交叉验证和100次洗牌来提高预测的准确性和模型的泛化能力。结果:两名医师测量前列腺癌Gleason高、低危组的ADC值一致性和可重复性极好,Gleason高危组与低危组间不同b值的ADC值均有明显差别(P<0.05)。不同b值区分前列腺癌Gleason高、低危组的ROC曲线下的面积(AUC)分别为0.658、0.662、0.683(readerl)和 0.671、0.660、0.686(reader2)。通过比较,不同 b 值区分前列腺癌Gleason高、低危组的诊断效能无明显差异。发现77维特征在p=0.05(双尾)水平上具有显着相关性,降维后得到了保留99%原始特征信息的21维新特征空间。10次交叉验证和改组后验证数据的结果:T2WI序列ACC=0.678,AUC=0.712,DWI(b=1000 s/mm2)ACC=0.662,AUC=0.689,DWI(b=2000 s/mm2)ACC=0.694,AUC=0.689 和 DWI(b=3000 s/mm2)ACC=0.674,AUC=0.691。T2WI的诊断性能略高于DWI的诊断性能。不同b值的DWI序列的AUC值比较显示没有显著的差别。结论:不同b值ADC值区分前列腺癌Gleason高、低危组具有一定价值,但比影第三部分 双参数MRI影像组学对前列腺癌T分期的预测价值目的:探讨扩散加权成像(DWI)的ADC值与前列腺癌T分期高危组与低危组之间的关系;以及基于双参数磁共振成像,利用影像组学对前列腺癌T分期高、低危组进行评价。材料和方法:收集2016年1月至2018年4月期间符合条件的217例前列腺癌患者参加了本研究。所有患者图像均在GE 3.0T磁共振上获得,图像序列包含横轴位高分辨率T2WI、DWI(b=0、1000、2000、3000 s/mm2),所有病例均获得了手术病理结果。由两名十年以上经验的放射科前列腺诊断医师分别对前列腺癌病灶进行ADC值的测量,并进行一致性和可重复性的分析;对前列腺癌T分期高危组与低危组间的ADC值进行比较;利用二分类反应变量的Logistic回归分析对不同b值的ADC值与前列腺癌T分期高、低危组的相关性进行评价。由两名经验丰富的放射科前列腺诊断医师共同讨论后手动标记前列腺癌病灶,然后使用Radiomics提取106维特征。采用XGboost 0.81版、Python3.6版作为开发工具构建模型。通过PCA降维后作为输入,并且输入测试集以获得模型的预测能力。最后使用5折交叉验证来提高预测的准确性和模型的泛化能力。结果:两名医师测量前列腺癌灶ADC值的一致性和可重复性极好,前列腺癌T分期高危组与低危组间ADC值有明显差别(P<0.05)。不同b值的ADC值与前列腺癌T分期高、低危组之间无明显相关性(P>0.05)。5折交叉验证后平均测试数据结果显示不同序列两两组合的诊断效能高于每个序列的诊断效能,DWI(b=1000 s/mm2)+DWI(b=2000 s/mm2)组合的 AUC 值最大,AUC 值为 0.6862。结论:DWI的ADC值与前列腺癌T分期高、低危组无明显相关性;双参数磁共振成像影像组学的机器学习能够区分前列腺癌T分期高危组与低危组,其自动区分癌灶T分期高低危组的能力需要进一步提高。第四部分 双参数MRI影像组学对前列腺癌TMPRSS2-ETS融合基因的预测价值目的:利用双参数磁共振成像的影像组学对前列腺癌的TMPRSS2-ETS融合基因进行预测分析。材料与方法:本研究为前瞻性研究,收集2017年11月至2019年02月期间符合本研究要求的前列腺癌患者。所有患者均进行了磁共振-超声融合靶向穿刺。由两名经验丰富的腹部MRI诊断医师共同讨论后手动标记前列腺癌病变,然后使用Radiomics提取354维特征,通过方差选择法和单变量特征选择方法进行降维,再利用Spearman相关分析对筛选过的特征与融合基因进行相关性分析。然后对融合基因组与非融合基因组的特征进行比较,采用ROC曲线分析不同序列的各个特征对基因融合组的诊断效能。结果:本研究共收集符合条件的44例患者,融合基因组9例,非融合基因组35例。通过降维和相关分析后T2WI有4维特征与融合基因紧密相关,DWI(b=1000s/mm2、2000 s/mm2、3000 s/mm2)分别有7、6、7维特征与融合基因紧密相关。与融合基因相关的24维特征中有23维特征在融合基因组与非融合基因组间的区别有统计学意义(P<0.05)。T2WI 的 GrayLevelNonUniformity/glszm 特征的 AUC 值最高,为 0.813;DWI(b=1000 s/mm2)的 GrayLevelNonUniformity/glszm 特征的 AUC值最高,为 0.844;DWI(b=2000s/mm2)的 RunLengthNonUniformity/glrlm 特征的 AUC 值最高,为 0.819;DWI(b=3000 s/mm2)的 SizeZoneNonUniformity/glszm 特征的 AUC 值最高,为 0.797。结论:双参数MRI影像组学的特征值在前列腺癌TMPRSS2-ETS融合基因与非融合基因组间存在差异,对预测融合基因有一定的帮助,影像组学可以提供比传统影像更多的信息。