【摘要】：影像組學是醫(yī)學影像學領域近年來研究的熱點,通過從CT等醫(yī)學圖像中提取高通量特征,結(jié)合人工智能分析,可為疾病的精準診療評估提供有價值的信息。然而,目前影像組學研究尚缺乏完善的標準,其研究結(jié)果的可重復性受到極大挑戰(zhàn)。雖然已有學者提出了影像組學研究的標準和建議,但其仍有待完善。小波特征是圖像通過小波分解后計算所得的特征,蘊含圖像的高維信息,是圖像特征的重要組成部分之一,已被廣泛應用于醫(yī)學影像組學研究中。然而,對于影像組學中小波特征的計算,特別是小波基的選擇方面,并沒有統(tǒng)一的標準和建議,不同的小波基對圖像濾波后計算所得特征的影響不明確。因此,本研究以結(jié)直腸癌CT圖像為例,探究不同的小波基的小波分解對影像組學特征的穩(wěn)定性和診斷效能的影響,從而規(guī)范小波基使用方法,為影像組學研究提供小波基選擇標準和建議。本研究收集了256例結(jié)直腸癌患者的術前CT圖像和臨床資料,將病例分為訓練組(180例)和驗證組(76例)。在完成CT圖像腫瘤感興趣區(qū)的勾畫后,應用本人基于MATLAB軟件編寫的影像組學特征提取軟件提取了91個非小波特征和52個不同小波基的小波特征集�；谟柧毥M數(shù)據(jù),分析不同小波特征集中616個同名特征的穩(wěn)定性,即特征所蘊含圖像信息的相似性。通過計算任意兩個小波特征集中對應同名特征的組內(nèi)相關系數(shù)(ICC)以判斷特征的穩(wěn)定性;其中ICC大于0.8的特征被判為穩(wěn)定特征,然后記錄相應兩個特征集之間穩(wěn)定特征的數(shù)量以及每個特征被判定為穩(wěn)定特征的次數(shù)。研究結(jié)果顯示,小波基階數(shù)差異越大,對應的特征集之間穩(wěn)定的特征越少,特征集間相似的信息越少。在單個特征方面,關于非均勻性度量的特征和鄰域灰度差分矩陣(NGTDM)的特征受不同小波基的小波分解影響小。在訓練組中,使用最小絕對收縮與選擇算子(LASSO)基于不同特征集分別建立與結(jié)直腸癌Ki-67表達狀態(tài)、EGFR(表皮生長因子受體)基因突變情況,及區(qū)域淋巴結(jié)轉(zhuǎn)移相關的預測模型。在驗證組中對模型的效能進行驗證,使用受試者工作特征曲線下面積評價各特征集對上述3個指標的預測效能。研究結(jié)果發(fā)現(xiàn),部分小波基的特征能提高模型的效能,但針對不同研究指標其診斷效能最好的小波特征集并不相同。通過分析特征集組合的診斷效能發(fā)現(xiàn),使用過多的特征容易導致模型過擬合,并降低建模的效率�；谝陨戏治�,本研究對上述3個指標均提出一個有應用潛力的診斷模型以及一個包含7個小波基的合理組合。本文通過對不同小波基的特征集中特征的穩(wěn)定性和診斷效能的分析,提出影像組學研究中計算小波特征時的建議,為進行更高效的影像組學研究提供指導與參考。應選擇階數(shù)差異大的小波基組合,可以選擇包含db1,db5,db10,sym8,bior3.3,bior1.5和rbio3.1這個組合,并避免重復計算非均勻性和NGTDM特征等包含相似信息的特征,以避免特征冗余及模型過擬合問題,然后通過單個小波特征集的診斷效能分析并對診斷效能最優(yōu)的5個小波特征集進行適當組合和分析,得到診斷效能最佳的模型。
【圖文】：

0.65120.58370.9897組 31 45 25 51 43 33EGFR：表皮生長因子受體；P 值為不同臨床指標其訓練組和驗證組之間人數(shù)的卡方檢驗的 P 值，P>0.05 則認為組間不同陰陽性人數(shù)沒有統(tǒng)計學患者的圖像采用 GE LightSpeed Ultra8 排螺旋 CT 或 LightSpeed VCT 64 排者行腹部螺旋 CT 增強掃描，序列掃描參數(shù)為：管 電 壓 120 kV，管 電 流野 350 mm×350 mm，層厚 1 mm 或 1.25 mm。予靜脈注射 90~100 mL 碘后行靜脈期延遲掃描。掃描獲得的 CT 圖像上傳至影像歸檔和通信系統(tǒng)（Pg and Communication Systems，PACS）中并從該系統(tǒng)中導出圖像，然后選前靜脈期 CT 圖像。每位患者的圖像由 1 名具有 5 年相關工作經(jīng)驗的放射個腫瘤區(qū)域作為感興趣區(qū)域（region of interest，ROI），，勾畫腫瘤區(qū)域使用-SNAP。圖 2-1 舉例說明腫瘤病灶區(qū)域中某一層面的勾畫情況。

圖像平均廣度（imMeanBreadth）：通過計算平均曲率的積分測量 ROI 區(qū)域的廣度。質(zhì)量（Mass）：ROI 區(qū)域的質(zhì)量等于 ROI 內(nèi)每個體素 CT 值與體積的乘積之和，這特征僅針對原始 CT 圖像。區(qū)域塊數(shù)量（BWcomponent）：ROI 連通區(qū)域的數(shù)量，大多數(shù)情況下應為 1。形態(tài)學特征數(shù)量較少，只跟 ROI 本身形狀有關，不受小波分解的影響，因此本文在析特征冗余性的時候形態(tài)學特征不會參與到分析中，但在分析特征診斷效能時的建模程中會加入形態(tài)學特征，因為在任何影像組學研究中都不會舍棄這類特征。.2.4 影像組學特征提取軟件為了方便使用各種參數(shù)計算影像組學特征，本文作者在 Matlab 軟件上編寫了計算像組學特征的程序，并制作成簡單界面。在界面上集成了各種圖像預處理的參數(shù)選擇，以方便地在選擇不同參數(shù)下計算影像組學特征。界面如圖 2-2 所示。
【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】：R735.34;R730.44

【參考文獻】

相關期刊論文 前1條

1 余紅梅;羅艷虹;薩建;艾永梅;;組內(nèi)相關系數(shù)及其軟件實現(xiàn)[J];中國衛(wèi)生統(tǒng)計;2011年05期

相關碩士學位論文 前2條

1 姚曉宇;結(jié)腸癌與直腸癌的生存分析及Ki-67在結(jié)直腸癌中的臨床意義[D];河北醫(yī)科大學;2018年

2 文飛;P27、Ki67和nm23在結(jié)直腸癌中的表達及意義[D];瀘州醫(yī)學院;2014年

本文編號：2607164