腦腫瘤是生長(zhǎng)在顱腔的腫瘤,約占全身腫瘤的5%,近年來發(fā)病率呈上升趨勢(shì)。高級(jí)別腦腫瘤通常表現(xiàn)出侵襲性生長(zhǎng)行為,局部復(fù)發(fā)率高,而且高級(jí)別和低級(jí)別腦腫瘤患者的預(yù)后有較顯著的統(tǒng)計(jì)學(xué)差異,因此準(zhǔn)確的腫瘤分級(jí)至關(guān)重要,會(huì)影響患者的治療計(jì)劃和預(yù)后管理。但是常規(guī)影像檢查不足以準(zhǔn)確區(qū)分出高級(jí)別和低級(jí)別腦腫瘤,確診腫瘤級(jí)別仍然依賴于手術(shù)切除后的組織病理活檢。然而組織病理學(xué)診斷是一種侵入式的方法,受限于腦腫瘤的特殊位置,而且局部組織的病理學(xué)診斷無法評(píng)估整個(gè)腫瘤的異質(zhì)性。影像組學(xué),這一新興技術(shù)手段能夠從醫(yī)學(xué)影像中提取出反映腫瘤異質(zhì)性的高通量量化特征,通過建立有價(jià)值的影像組學(xué)生物標(biāo)簽,實(shí)現(xiàn)腫瘤疾病的術(shù)前診斷和預(yù)后預(yù)測(cè)。這一非侵入式技術(shù)具有巨大的潛在應(yīng)用價(jià)值,有助于臨床醫(yī)生設(shè)計(jì)更合適的治療方案。本文詳細(xì)論述了影像組學(xué)模型的理論基礎(chǔ)并分別基于腦膜瘤和腦膠質(zhì)瘤核磁共振影像數(shù)據(jù)進(jìn)行實(shí)驗(yàn)驗(yàn)證和性能評(píng)估。在腦膜瘤分級(jí)預(yù)測(cè)實(shí)驗(yàn)中,提取人工定義特征和深度學(xué)習(xí)特征并分別構(gòu)建影像組學(xué)模型,通過對(duì)比基于深度學(xué)習(xí)特征的影像組學(xué)模型和基于人工設(shè)計(jì)特征的影像組學(xué)模型的預(yù)測(cè)結(jié)果,證明相對(duì)于人工設(shè)計(jì)特征,深度學(xué)習(xí)特征對(duì)腦膜瘤級(jí)別具有更強(qiáng)的表征...

【文章頁數(shù)】：55 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１影像組學(xué)流程??Ｆｉｇ．?１－１?Ｒａｄｉｏｍｉｃｓ?ｐｒｏｃｅｄｕｒｅ??中國(guó)科研團(tuán)隊(duì)對(duì)影像組學(xué)的發(fā)展有著重要的貢獻(xiàn)

替有創(chuàng)診斷帶來可能。在２０１４年，Ａｅｒｔｓ等人對(duì)影像組學(xué)方法進(jìn)行了完善，并??將影像組學(xué)中的圖像處理階段歸納為以下３個(gè)步驟：（１）感興趣區(qū)域分割；（２）??影像特征提��；（３）診斷模型建立，如圖１．１中所示［１９］。??至今為止，影像組學(xué)發(fā)展迅速，我們?cè)冢鳎澹?ｏｆ?ｓｃｉｅｎ....

圖１－２影像組學(xué)相關(guān)研究論文統(tǒng)計(jì)分析??Ｆｉｇ．?１－２?Ｓｔａｔｉｓｔｉｃａｌ?ａｎａｌｙｓｉｓ?ｏｆ?ｐａｐｅｒｓ?ｒｅｌａｔｅｄ?ｔｏ?ｒａｄｉｏｍｉｃｓ??

第２章腦部影像數(shù)據(jù)處理與影像組學(xué)模型構(gòu)建??２．１醫(yī)學(xué)影像簡(jiǎn)介??醫(yī)學(xué)影像是人類醫(yī)學(xué)疾病診斷史上的一項(xiàng)創(chuàng)舉，使醫(yī)學(xué)診斷突破了人類肉??眼觀察的限制。醫(yī)學(xué)影像用一種非侵入式的成像原理，實(shí)現(xiàn)了對(duì)人體不同組織??的生理狀態(tài)的可視化。醫(yī)學(xué)影像技術(shù)始于物理學(xué)家倫琴，１８９５年他用Ｘ射線拍?....

圖２－１?ＩＴＫ－ＳＮＡＰ軟件實(shí)現(xiàn)ＲＯＩ區(qū)域的勾畫??Ｆｉｇ．?２－１?Ｄｅｌｉｎｅａｔｉｏｎ?ｏｆ?ＲＯＩ?ｂｙ?ＩＴＫ－ＳＮＡＰ??

哈爾濱理工大學(xué)工學(xué)碩士學(xué)位論文??格式，通過簡(jiǎn)單的設(shè)置可以支持多區(qū)域病灶的勾畫如圖２．１所示。其操作步驟如??下：??、．二纏?．？＇?，，：：＋＋：??ｕｔｉｌｊｍＡ?ｒ?Ｗ??Ｗ?８Ｐ］Ｈｒ＂；??■１＾讀??圖２－１?ＩＴＫ－ＳＮＡＰ軟件實(shí)現(xiàn)ＲＯＩ區(qū)域的勾畫??Ｆｉｇ．?２....

圖２－２影像組學(xué)特征描述??Ｆｉｇ．?２－２?Ｔｈｅ?ｄｅｓｃｒｉｐｔｉｏｎ?ｏｆ?ｒａｄｉｏｍｉｃ?ｆｅａｔｕｒｅｓ??紋理特征／灰度共生矩陣（ＧＬＣＭ）：大小為ＧＬＣＭ被用來描述??

腫瘤圖像區(qū)域的二階聯(lián)合概率函數(shù)，被定義為的。其中，矩陣中元素??（ｉ，ｊｙＡ是指ｉ和ｊ以一定的距離５和角度０共同出現(xiàn)在圖像中的次數(shù)。５被定義??成與中心體素的距離，數(shù)值根據(jù)無窮范數(shù)計(jì)算而得。圖２－３是一個(gè)ＧＬＣＭ計(jì)算??的二維實(shí)例，矩陣Ｉ代表腫瘤圖像，ＧＬＣＭ的參數(shù)為距離５?＝?....

本文編號(hào)：3917686