【摘要】：目的:探討基于CT的影像組學對于預測食管鱗狀細胞癌分化程度研究中的價值。方法:回顧性分析廣東省人民醫(yī)院從2008年1月到2016年8月,經(jīng)手術(shù)切除、病理證實為食管鱗狀細胞癌,臨床資料齊全和術(shù)前行X線計算機體層成像(X-ray computed tomography,CT)增強掃描且獲得完整圖像的160例病例,隨機分為訓練組(103例)和驗證組(57例),使用3D Slicer對病灶進行感興趣區(qū)域(Interest of Region,ROI)逐層勾畫;隨后,使用Matlab軟件對獲得的圖像進行特征提取;使用R軟件進行特征篩選,構(gòu)建影像組學標簽。結(jié)合提取的影像組學標簽和臨床資料構(gòu)建多變量Logistic回歸模型,構(gòu)建影像組學模型(radiomics predictive mode)并進行驗證。利用受試者操作特征(receiver operator characteristic,ROC)曲線評價模型對術(shù)前預測食管鱗狀細胞癌分化程度的效能進行評價。結(jié)果:影像組學標簽是食道癌病理分化程度的獨立預測因素。影像組學預測模型在訓練樣本中的預測效能AUC(area under curve)值是0.791,敏感度是81.6%,特異度是72.3%;在驗證樣本中,AUC值是0.757,敏感度是70.0%,特異度是73.0%。結(jié)論:利用CT圖像提取出的影像組學特征所構(gòu)建的影像組學模型,在術(shù)前預測食管癌分化程度方面有一定的預測效能。
【圖文】：

圖 A 為食管癌患者 1 下段 CT 增強圖像，B 為該患者病灶分割；圖 C 為食管癌患者 CT 增強圖像，D 為該患者病灶分割。分割時，排除病灶中的壞死、出血等區(qū)域。 影像組學特征提取及篩選于分割后的圖像，運用 Matlab 2016b 軟件（https://cn.mathworks.com/）對圖像組學特征提取�？偣布{入 160 例病人，隨機分成訓練集（103 例）和驗證（57 取 9790 個影像組學特征，，提取的影像組學特征包括以下四類：一階灰度統(tǒng)計量：對感興趣區(qū)域內(nèi)的像素（或體素）強度的分布情況進行描述征不需要進行差分運算，可以被用來描述連續(xù)強度的分布情況。在強度規(guī)模況下，獲得的一階灰度統(tǒng)計量是沒有意義的。以下對主要特征進行介紹：度(kurtosis)又稱峰態(tài)系數(shù)：反應感興趣區(qū)域中體素分布的峰值高低的特征數(shù)。Kurtosis == = - - ）

華南理工大學碩士學位論文moment normalized，IDN）：描述圖像局部的均勻性情況。IDN == =加o- 9rbio3.1_1_SZE：表示采用小波函數(shù) rbio3.1 在 LLL 方向上（以數(shù)字向 LLL、LLH、LHL、LHH、HLL、HLH、HHL、HHH）的空間Non-Uniformity，SZN）：描述圖像中連通區(qū)域的可變性。SZN == =加= =加- 0
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R735.1;R730.44

【參考文獻】

相關(guān)期刊論文 前4條

1 何蘭;黃燕琪;馬澤蘭;梁翠珊;黃曉媚;程梓軒;梁長虹;劉再毅;;CT影像組學在非小細胞肺癌臨床分期中的價值[J];中華放射學雜志;2017年12期

2 劉月華;朱紹成;史大鵬;魏毅;孫明華;務森;李琳琳;;CT能譜成像術(shù)前評估食管鱗狀細胞癌病理分級的臨床價值[J];中華醫(yī)學雜志;2017年43期

3 賈鑫鑫;程濤;;CT能譜成像評估食管鱗癌的分化程度[J];中國醫(yī)學影像學雜志;2014年08期

4 赫捷;邵康;;中國食管癌流行病學現(xiàn)狀、診療現(xiàn)狀及未來對策[J];中國癌癥雜志;2011年07期

本文編號：2604927