近年來(lái),醫(yī)學(xué)圖像處理量化分析越來(lái)越多地被應(yīng)用于臨床輔助診斷中,從醫(yī)學(xué)圖像中提取和疾病病理生理相關(guān)的潛在信息,有利于構(gòu)建臨床輔助診斷預(yù)測(cè)模型,有助于輔助臨床醫(yī)生應(yīng)對(duì)繁重臨床工作,進(jìn)一步提高臨床診斷準(zhǔn)確率�；诖�,本研究論文開(kāi)展了基于模式識(shí)別和統(tǒng)計(jì)分析方法的臨床輔助診斷應(yīng)用研究。主要研究?jī)?nèi)容包括:(1)基于雙重差分分析的局部進(jìn)展期直腸癌接受新輔助化療療效預(yù)測(cè)研究對(duì)局部進(jìn)展期直腸癌接受新輔助化療后治療效果的準(zhǔn)確評(píng)估對(duì)后續(xù)手術(shù)方案的制定至關(guān)重要。本研究首先對(duì)病人接受新輔助化療前后的擴(kuò)散加權(quán)圖像進(jìn)行量化分析處理,然后采用基于雙重差分分析的特征選擇方法從高維特征中篩選出能夠特異性反映新輔助化療治療效果的關(guān)鍵影像學(xué)特征,最終基于關(guān)鍵影像學(xué)特征采用彈性網(wǎng)邏輯斯特回歸模型構(gòu)建了擴(kuò)散加權(quán)圖像預(yù)測(cè)模型對(duì)新輔助化療效果進(jìn)行預(yù)測(cè)。此外,本研究還基于臨床特性指標(biāo)構(gòu)建了臨床預(yù)測(cè)模型、基于關(guān)鍵臨床特性指標(biāo)和關(guān)鍵影像學(xué)標(biāo)簽構(gòu)建了組合預(yù)測(cè)模型。和之前研究相比,擴(kuò)散圖像預(yù)測(cè)模型取得了較高的預(yù)測(cè)準(zhǔn)確率和陽(yáng)性預(yù)測(cè)值;相比于擴(kuò)散圖像預(yù)測(cè)模型,結(jié)合臨床信息和影像信息的組合模型進(jìn)一步提高了預(yù)測(cè)效果,基于該預(yù)測(cè)模型輔助制定的手術(shù)決策可...

【文章頁(yè)數(shù)】：126 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 模式識(shí)別方法在臨床輔助診斷中的研究現(xiàn)狀
        1.2.1 基于無(wú)監(jiān)督學(xué)習(xí)方法的臨床輔助診斷研究
        1.2.2 基于支持向量機(jī)方法的臨床輔助診斷研究
        1.2.3 基于隨機(jī)森林分析的臨床輔助研究
        1.2.4 基于深度學(xué)習(xí)的臨床輔助研究
    1.3 統(tǒng)計(jì)分析方法在臨床輔助診斷中的應(yīng)用研究現(xiàn)狀
        1.3.1 基于回歸分析的臨床輔助研究
        1.3.2 基于統(tǒng)計(jì)分析方法的腦白質(zhì)損傷檢測(cè)
        1.3.3 統(tǒng)計(jì)分析方法結(jié)合模式識(shí)別方法進(jìn)行臨床輔助研究
    1.4 論文章節(jié)組織
第2章 臨床輔助診斷研究中的幾個(gè)關(guān)鍵方法概述
    2.1 感興趣區(qū)勾畫(huà)和圖像特征提取
        2.1.1 感興趣區(qū)域勾畫(huà)和臨床特征獲取
        2.1.2 基于灰度直方圖分析的一階統(tǒng)計(jì)學(xué)紋理特征
        2.1.3 基于紋理矩陣分析的二階統(tǒng)計(jì)學(xué)紋理特征
        2.1.4 基于濾波分析的高階紋理特征
    2.2 特征挑選與建模分析方法
        2.2.1 基于套索正則化分析的特征挑選和建模分析方法
        2.2.2 基于彈性網(wǎng)正則化分析的特征挑選和建模分析方法
        2.2.3 基于雙重差分統(tǒng)計(jì)分析的特征挑選
    2.3 腦白質(zhì)損傷檢測(cè)方法
        2.3.1 基于纖維束示蹤的空間統(tǒng)計(jì)分析的白質(zhì)損傷檢測(cè)
        2.3.2 基于多元模式識(shí)別分析的白質(zhì)損傷檢測(cè)
    2.4 小結(jié)
第3章 基于雙重差分的直腸癌接受新輔助化療的療效評(píng)估研究
    3.1 引言
    3.2 直腸癌接受新輔助化療療效預(yù)測(cè)模型
        3.2.1 研究材料和數(shù)據(jù)收集
        3.2.2 基于雙重差分分析的擴(kuò)散加權(quán)圖像預(yù)測(cè)模型
        3.2.3 基于多變量邏輯斯特回歸分析的臨床和組合預(yù)測(cè)模型
    3.3 構(gòu)建模型的預(yù)測(cè)結(jié)果及分析
        3.3.1 擴(kuò)散加權(quán)圖像模型的預(yù)測(cè)結(jié)果及分析
        3.3.2 構(gòu)建模型的預(yù)測(cè)結(jié)果及比較分析
    3.4 本章小結(jié)
第4章 基于多尺度量化分析的腎腫瘤良惡性診斷預(yù)測(cè)研究
    4.1 引言
    4.2 數(shù)據(jù)收集與數(shù)據(jù)增廣
    4.3 腎腫物良惡性診斷預(yù)測(cè)模型構(gòu)建
        4.3.1 基于多尺度分析的量化CT特征組合集提取
        4.3.2 基于雙樣本T檢驗(yàn)和套索回歸分析的良惡性預(yù)測(cè)模型
    4.4 實(shí)驗(yàn)結(jié)果及分析
        4.4.1 多尺度腎腫物良惡性模型預(yù)測(cè)結(jié)果
        4.4.2 量化CT特征對(duì)腎腫瘤良惡性的診斷意義
    4.5 本章小結(jié)
第5章 基于纖維束示蹤和多變量分析檢測(cè)艾滋病感染致白質(zhì)損傷
    5.1 引言
    5.2 基于纖維束示蹤的空間統(tǒng)計(jì)分析檢測(cè)SIV導(dǎo)致的白質(zhì)損傷
        5.2.1 研究背景和意義
        5.2.2 研究材料和數(shù)據(jù)收集
        5.2.3 TBSS數(shù)據(jù)處理和DTI標(biāo)量指標(biāo)的統(tǒng)計(jì)分析
        5.2.4 研究結(jié)果及分析
    5.3 基于多元模式識(shí)別分析檢測(cè)艾滋病感染導(dǎo)致白質(zhì)區(qū)域受損研究
        5.3.1 研究背景和意義
        5.3.2 研究材料和數(shù)據(jù)收集
        5.3.3 基于全腦白質(zhì)結(jié)構(gòu)的DTI標(biāo)量指標(biāo)提取和特征挑選
        5.3.4 構(gòu)建基于DTI特性指標(biāo)的艾滋病感染分類模型及相關(guān)性分析
        5.3.5 研究結(jié)果及分析
    5.4 基于多元模式識(shí)別分析檢測(cè)艾滋病感染導(dǎo)致的白質(zhì)網(wǎng)絡(luò)連接受損研究
        5.4.1 研究背景和意義
        5.4.2 研究材料和數(shù)據(jù)收集
        5.4.3 全腦白質(zhì)結(jié)構(gòu)網(wǎng)絡(luò)連接和艾滋病-正常對(duì)照分類模型的構(gòu)建
        5.4.4 研究結(jié)果及分析
    5.5 本章小結(jié)
第6章 總結(jié)及展望
    6.1 本文工作總結(jié)
    6.2 今后工作展望
參考文獻(xiàn)
致謝
在學(xué)期間發(fā)表的學(xué)術(shù)論文
學(xué)位論文評(píng)閱及答辯情況表



本文編號(hào)：3766911