發(fā)布時間：2021-09-01 05:12

　　第一部分基于冠狀動脈CTA診斷病變特異性心肌缺血的影像組學(xué)和機器學(xué)習(xí)研究[目的]以有創(chuàng)性冠狀動脈血流儲備分數(shù)（Fractional flow reserve,FFR）為標準,基于冠狀動脈 CTA（Coronary computed tomography angiography,CCTA）診斷病變特異性心肌缺血的價值有限。影像組學(xué)方法可以從圖像中高通量地提取特征,以輔助臨床醫(yī)生進行疾病的診斷。本文旨在建立并評估影像組學(xué)聯(lián)合機器學(xué)習(xí)的模型,基于CCTA圖像上左心室心肌特征,以有創(chuàng)FFR為參考標準,評價該模型對病變特異性心肌缺血的診斷效能,并與CCTA及有創(chuàng)性冠狀動脈造影（Invasie coronary angiography,ICA）所判定的心肌缺血結(jié)果相比較。[材料和方法]本研究納入來自中國多中心CT-FFR研究-1中的283例疑似或者確診為冠心病患者的CCTA以及3個月以內(nèi)行ICA和有創(chuàng)FFR檢查數(shù)據(jù)。根據(jù)患者有創(chuàng)FFR的結(jié)果,將患者分為兩組:病變特異性心肌缺血組（FFR≤0.80）與非病變特異性心肌缺血組（FFR>0.80）。手動勾畫出患者CCTA圖像上左心室心�。↙eft ... 

【文章來源】：南方醫(yī)科大學(xué)廣東省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－２影像組學(xué)特征評估??ＦＦＲ＞．０?（ＡＦＦＲ．（Ｂ）

準確性??（圖?１－４）。??ｍ?ｍ??—?＇＇?＇Ｉ?Ｓ?１?——１１１?ｌＴｉｇ＾??０９?ｌ〇．８?｜ｒ??０．８?］?ＩＩＩ??ｙ｜?ｉ??ｒ?ｉ??０．３?＇???????＇???＾卜?０?＾????—??０．３?０．４?０．５?０．６?０．７?０．８?０．９?１?０?０．２?０．４?０．６?０．８?１??Ｃｏｒｒｅｌａｔｉｏｎ?Ｔｈｒｅｓｈｏｌｄ?Ｆａｌｓｅ?Ｐｏｓｉｔｉｖｅ?Ｒａｔｅ?（１－?Ｓｐｅｃｉｆｉｃｉｔｙ）??圖１－４訓(xùn)練集中所選特征的診斷效能??在相關(guān)閾值�。埃叮睍r（Ａ），在訓(xùn)練集中模型達到最佳的診斷效能，此時ＲＯＣ曲線下面積??為?０．８７?（Ｂ）。??Ｆｉｇｕｒｅ?１－４?Ｄｉａｇｎｏｓｔｉｃ?ｐｅｒｆｏｒｍａｎｃｅ?ｏｆ?ｓｅｌｅｃｔｅｄ?ｆｅａｔｕｒｅｓ?ｏｎ?ｔｒａｉｎｉｎｇ?ｄａｔａｓｅｔ??Ｗｈｅｎ?ｔｈｅ?ｃｏｒｒｅｌａｔｉｏｎ?ｔｈｒｅｓｈｏｌｄ?ｉｓ?０．６１?（Ａ），?ｔｈｅ?ｍｏｄｅｌ?ｒｅａｃｈｅｓ?ｔｈｅ?ｂｅｓｔ?ｄｉａｇｎｏｓｔｉｃ?ｅｆｆｉｃｉｅｎｃｙ，?ａｎｄ??ｔｈｅ?ａｒｅａ?ｕｎｄｅｒ?ｔｈｅ?ＲＯＣ?ｃｕｒｖｅ?ｉｓ?０．８７?（Ｂ）．??在訓(xùn)練組中，上述選定的４１個影像組學(xué)特征預(yù)測心肌缺血的準確性為９２．９８％??（Ｃ－ｉｎｄｅｘ?０．９４８，?９５％ＣＩ：?０．９１９－０．９７７）。在驗證組中，該模型對預(yù)測心肌缺血仍??然有較高的準確性（９２．７３％，?Ｃ－ｉｎｄｅｘ?０．９１９，?９５％?ＣＩ：０．８３０－１?？０００）（表?１－４）。兩??組ＡＵＣ值差異無統(tǒng)計學(xué)意義（Ｐ＝０．５４１）。??２４??

?頌士學(xué)位論文???醫(yī)生在需要修改的時候手動調(diào)整輪廓的邊界與位置，以完成整個ＬＶＭ輪廓的勾??畫。最后，所有患者手動分割的ＬＶＭ輪廓由一位高年資醫(yī)生（１８年ＣＣＴＡ相關(guān)??的經(jīng)驗）進行檢查，在需要時可以進行修正。??２．３深度學(xué)習(xí)分割模型的構(gòu)建??在構(gòu)建深度學(xué)習(xí)模型之前，我們首先手動勾畫了?１００例患者的左心室心肌??輪廓作為深度學(xué)習(xí)方法從ＣＣＴＡ圖像學(xué)習(xí)的參考。該深度學(xué)習(xí)模型由ｌｉ－Ｎｅｔ與??深度監(jiān)督（Ｄｅｅｐ－ａｔｔｅｎｔｉｏｎ）構(gòu)成，主要包括兩部分：訓(xùn)練階段與分割階段。本研??宄的流程圖如圖２－１所示。在開始訓(xùn)練之前，我們先收集了?ＣＣＴＡ圖像上的３０－??ｐａｔｃｈｅｓ?以及相對應(yīng)的手工勾畫的心肌輪廓。通過使用窗口大小為?５１２Ｘ５１２Ｘ３２??大小的體素窗口在圖像Ｚ軸滑動以提取３Ｄ－ｐａｔｃｈｅｓ。使用數(shù)據(jù)增益（Ｄａｔａ??ａｕｇｍｅｎｔａｔｉｏｎ）的方法，比如翻轉(zhuǎn)，旋轉(zhuǎn)以及縮放來增加訓(xùn)練集的異型性。如圖??２－１所示，該深度學(xué)習(xí)網(wǎng)絡(luò)由編碼路徑和解碼路徑組成，長跳連接繞過從編碼路??徑提取的特征映射到解碼路徑。??￣ＣＴ?Ｄｗｐ？ｔ？ｎｔｉ〇ｎｕ－Ｎｒｔ￣￣?Ｃｏｎｔｏｕｒ??ＩＰ麵禱＋＿??－ｗｉｓｅ?＿??ｍｕＫｔｐｆ?ｃａｔｉｏｎ?［！ｊ?ＡｔｔｆｎｔｉＱａ?ｇａｔｅ??ＺＺＴＺ，??Ｓｉｇｍｏｉｄ??Ｉ?１?一ｎ?Ｌｉ＾Ｌ－ｌ?Ｉｉ＾ｌＩ??圖２－１心肌分割的算法的示意流程圖??第－行顯示了用于訓(xùn)練深度監(jiān)督Ｕ－Ｎｅｔ的工作流程，第二行顯示了該模型對輸入新患者??ＣＣＴＡ圖像上左心室心肌的自動分割。??３５??


本文編號：3376328