發(fā)布時間：2021-11-25 23:23

　　目的:基于薄層計算機斷層掃描（TSCT）建立一種預(yù)測肺腺癌表皮生長因子受體（EGFR）突變狀態(tài)的放射組學(xué)模型并評估其有效性。方法:該研究包括284例肺腺癌患者（141例EGFR突變型和143例EGFR野生型）。所有患者均有薄層（軸位圖像層厚1mm）CT增強掃描圖像。通過使用半自動方法（ITK-SNAP3.6.0）對每個腫瘤的感興趣區(qū)域（ROI）進行分割,即利用閾值分割法計算機自動生成ROI,并且放射科醫(yī)師可以逐層改變病灶輪廓以精確其邊界。通過使用放射組學(xué)軟件Analysis-Kit（GE Healthcare,Life Science,China）提取396個放射組學(xué)特征。用于建立放射組學(xué)模型的臨床信息及影像特征包括性別、年齡、吸煙狀況、癥狀以及腫瘤直徑、部位、充氣支氣管征、胸膜牽扯征、空洞/空泡總共9個特征。按7:3的比例,將284例患者隨機分為訓(xùn)練組（n=199）和測試組（n=85）。通過Multi information法對組學(xué)特征降維、臨床特征篩選后再分別對放射組學(xué)特征、臨床特征、結(jié)合組學(xué)與臨床特征建立模型,對比了Logistic Regression和Random Fores... 

【文章來源】：河北醫(yī)科大學(xué)河北省

【文章頁數(shù)】：37 頁

【學(xué)位級別】：碩士

【部分圖文】：

肺腺癌病灶的ROI勾畫

Brier 0.179 0.184Note:AUC=Area under curve，ACC=accuracy圖3 隨機森林綜合模型F ROC曲線Fig.3 The ROC curve of Integrated Random Forest Model F

16圖4 隨機森林綜合模型F混淆矩陣Fig.4 The confusion matrix of Integrated Random Forest Model F圖5 隨機森林綜合模型F DCA曲線Fig.5 The DCA curve of Integrated Random Forest Model

【參考文獻】：
期刊論文
[1]非小細胞肺癌患者表皮生長因子受體基因突變特征及意義[J]. 葉肖燕.  中華實用診斷與治療雜志. 2016(01)
[2]非小細胞肺癌中EGFR和KRAS基因突變的特點及與臨床病理特征的關(guān)系[J]. 凌云,邱田,李卓,郭蕾,應(yīng)建明.  臨床與實驗病理學(xué)雜志. 2015(05)
[3]肺腺癌EGFR突變的臨床特征及影像學(xué)特點[J]. 俞哲燕,周建婭,徐旋里,鄭靜,王悅虹,周建英.  臨床放射學(xué)雜志. 2015(02)
[4]肺腺癌組織學(xué)亞型與EGFR突變及臨床特征的關(guān)系[J]. 趙艷秋,劉杰,劉瑞青,張建波,孫曉楠,王喻,李醒亞.  西安交通大學(xué)學(xué)報(醫(yī)學(xué)版). 2014(01)
[5]周圍型非小細胞肺癌CT征象與EGFR表達的關(guān)系[J]. 李峻,陳艷,丁新民.  腫瘤學(xué)雜志. 2010(04)
[6]肺癌EGFR基因突變檢測方法的研究進展[J]. 奉水東,譚紅專.  中國肺癌雜志. 2008(03)

碩士論文
[1]EGFR、TTF-1在肺鱗癌、腺癌中的表達差異與能譜CT定量分析的相關(guān)性研究[D]. 周航.寧夏醫(yī)科大學(xué) 2015



本文編號：3518984