论文部分内容阅读
肺癌的早期鉴别诊断和淋巴结转移预测，对临床医生制定行之有效的方案，提高肺癌患者的存活时间和生存质量具有重大的临床意义。然而由于肺癌具有时空异质性导致肺癌患者的预后较差。CT，MRI和PET等医学影像能提供肺癌病灶时空异质性的信息。所以准确评估这些医学影像的异质性，可以为肺癌患者的早期鉴别诊断和淋巴结转移预测提供至为重要的信息。 最近几年，随着医学影像的快速发展，影像组学作为一种新的影像技术为肿瘤的良恶性分类，肿瘤病理分型，肿瘤临床分期以及肿瘤的治疗效果评估等临床问题提供了一种不同于以往技术的全新的方案。影像组学技术是从CT，MRI，PET等医学影像中提取反映肿瘤异质性的大量特征，从而建立医学影像与临床收集的资料之间相关联的学习模型，临床医生可以根据建立的模型来进行临床决策。本文就目前CT影像分析中存在的一些问题，选择发病率和死亡率最普遍的肺癌进行分析。从如下几个方面进行了分析研究。 第一，在融合前人研究的基础上，提出了一整套适合肺癌（肿瘤）表观特性的定量化特征集。其中包含了肺癌（肿瘤）病灶的一阶特征，形态特征，纹理特征，Gabor特征和小波特征共计767个特征。 第二，针对目前医学中肺肿瘤良恶性鉴别完全依赖活检标本病理这一缺点。本论文提出采用上述特征集合中的子集共计485个特征，利用影像组学技术非侵入性的进行肺肿瘤良恶性诊断。根据提取的485个特征进行特征选择后构建合适肺肿瘤良恶性的分类预测模型。研究的实验结果表明构建的肺肿瘤良恶性分类预测模型在临床数据集上取得了良好的预测效果(训练集AUC=0.870，测试集AUC=0.853)。本研究为医生临床上进行肺肿瘤良恶性的鉴别诊断提供了一种安全无创的途径。 第三，针对目前医学中早期肺腺癌淋巴结转移需要活检标本病理的这一缺点。本论文提出了通过影像组学技术进行非侵入性的早期肺腺癌淋巴结转移预测。该算法对肺腺癌病灶提取上述提出的767个特征集合建立合适的预测模型。并将影像组学标签和临床信息相结合，构造了一个诺模图个性化预测早期肺腺癌淋巴结转移预测模型。研究的实验结果表明该预测模型在临床数据集上取得了非常不错的预测效果（训练集AUC=0.95495％CI:0.920-0.988），并且在测试集上取得了很好的泛化效果（测试集AUC=0.95595％CI:0.922-0.988）。