發(fā)布時(shí)間：2018-04-04 01:55

  本文選題：膀胱癌　切入點(diǎn)：3D紋理特征　出處：《第四軍醫(yī)大學(xué)》2017年博士論文

【摘要】：2015年CA發(fā)布全球癌癥統(tǒng)計(jì)報(bào)告《Global cancer statistics,2012》顯示:膀胱癌位居全球男性惡性腫瘤發(fā)病率第4位,致死率第9位。2016年,CA發(fā)布了關(guān)于中國的癌癥統(tǒng)計(jì)報(bào)告《Cancer statistics in China,2015》顯示:膀胱癌位居中國男性惡性腫瘤發(fā)病率第7位,致死率第12位。根據(jù)National Comprehensive Cancer Network(NCCN)膀胱癌臨床實(shí)踐指南,腫瘤的肌層浸潤深度(即腫瘤分期,T stages)與病理學(xué)分級(jí)是臨床上制定膀胱腫瘤治療方案的主要依據(jù)。因此,膀胱腫瘤分期的術(shù)前準(zhǔn)確預(yù)測(cè)將有助于臨床醫(yī)師為患者制定合理、有效的治療方案與后續(xù)管理策略,具有十分重要的臨床意義。目前,利用光學(xué)內(nèi)窺鏡(Optical cystoscopy,OCy)與經(jīng)尿道的腫瘤切除術(shù)(Transurethral resection,TUR)以及體外活檢相結(jié)合的方法取組織樣本進(jìn)行病理學(xué)檢驗(yàn)是判定腫瘤分期分級(jí)的常規(guī)手段。然而,研究表明:利用以上方法進(jìn)行檢查,有相當(dāng)一部分肌層浸潤性膀胱腫瘤(Muscle-invasive bladder carcinoma,MIBC,stage≥T2)的分期被低估。為了最大程度降低分期錯(cuò)誤率,提高準(zhǔn)確性,最有效的方法就是重復(fù)OCy與TUR檢測(cè)。但由于檢測(cè)的侵入性、不舒適,以及時(shí)間與花費(fèi)的影響、可行性差。臨床上目前急需一種非侵入性的、高效便捷的方法,用于膀胱腫瘤分期分級(jí)的術(shù)前預(yù)測(cè)。與傳統(tǒng)膀胱腫瘤檢測(cè)與診斷方法相比,基于醫(yī)學(xué)影像的計(jì)算機(jī)輔助診斷技術(shù)(Computer Assisted Diagnosis,CADx)具有無侵入性、安全性高、舒適性好的特點(diǎn),已被應(yīng)用于膀胱腫瘤組織與非腫瘤組織、良性與惡性腫瘤組織的鑒別,在膀胱腫瘤的術(shù)前診斷中日益彰顯出巨大的潛力。近期,多個(gè)研究結(jié)果表明,影像的三維(Three-dimensional,3D)紋理特征能夠有效地描述腫瘤的異質(zhì)性,在腫瘤良惡性判別中其效果明顯優(yōu)于相應(yīng)的二維(Two-dimensional,2D)特征。目前,3D紋理特征已被廣泛應(yīng)用于結(jié)腸癌、乳腺癌、肺癌等癌癥病變的腫瘤與正常組織以及良性與惡性腫瘤組織的CADx中。然而對(duì)于膀胱腫瘤:(1)使用3D與2D紋理特征對(duì)腫瘤與膀胱壁組織鑒別效果是否存在顯著差異,哪些紋理特征能夠更好地對(duì)這兩類組織加以鑒別?(2)腫瘤區(qū)域的影響特征能否反映其異質(zhì)性?(3)描述腫瘤異質(zhì)性分布的影像組學(xué)特征在肌層浸潤(分期≥T2)與非浸潤(分期≤T1)膀胱腫瘤之間是否存在顯著性差異?(4)如何有效地利用這些特征進(jìn)行腫瘤的肌層浸潤性鑒別?(5)在此基礎(chǔ)上,能否實(shí)現(xiàn)膀胱腫瘤的分期分級(jí)的有效預(yù)測(cè)?以上問題目前仍然是膀胱腫瘤CADx領(lǐng)域亟待深入研究并解決的問題。針對(duì)以上科學(xué)問題,本文主要進(jìn)行了以下幾個(gè)方面的研究:第一部分基于MRI紋理特征的膀胱腫瘤與壁組織鑒別�；赥2加權(quán)的MRI(T2-weighted MRI,T2WI)膀胱影像及其高階偏導(dǎo)圖像,分析2D和3D紋理特征在膀胱腫瘤組織與壁組織的差異,實(shí)現(xiàn)對(duì)腫瘤組織與壁組織的分類鑒別。主要研究?jī)?nèi)容如下:(1)MR數(shù)據(jù)采集與3D感興趣區(qū)域(Volumetric region of interest,VOI)提取:基于62名膀胱腫瘤患者(58名男性,4名女性)的T2WI影像,提取62個(gè)腫瘤VOIs與62個(gè)對(duì)側(cè)的膀胱壁組織VOIs。(2)高階偏導(dǎo)圖像計(jì)算與特征提取:為了更好地反映腫瘤組織的非勻質(zhì)性,本文從每個(gè)灰度VOI中生成3D高階偏導(dǎo)圖像,包括一階偏導(dǎo)(又稱梯度圖)與二階偏導(dǎo)(又稱曲度圖)圖像。繼而,從灰度VOI中提取了3D Tamura紋理特征,并分別從灰度VOI、灰度-梯度VOI圖像組、灰度-曲度VOI圖像組生成灰度共生矩陣(Gray-level co-occurrence matrices,GLCM)、灰度-梯度共生矩陣(Gray-level gradient co-occurrence matrix,GLGCM)與灰度-曲度共生矩陣(Gray-level curvature co-occurrence matrix,GLCCM),并從每個(gè)矩陣中提取相應(yīng)的Haralick紋理特征(分別稱為3D GLCM特征、GLGCM特征、GLCCM特征),共提取3D特征58個(gè)。為定量比較3D與2D紋理特征對(duì)于膀胱腫瘤與壁組織鑒別的差異,我們從每個(gè)VOI中逐層提取相應(yīng)的2D特征并平均,即可得到相應(yīng)的2D紋理特征。(3)特征選擇與分類驗(yàn)證:對(duì)以上特征進(jìn)行統(tǒng)計(jì)學(xué)分析,篩選在腫瘤組織與膀胱壁組織間具有統(tǒng)計(jì)差異的紋理特征。在此基礎(chǔ)上,采用基于支持向量機(jī)的特征回歸剔除(Support vector machine based recursive feature elimination,RFE-SVM)方法對(duì)以上特征進(jìn)一步篩選,得到一組緊湊性高、具有最優(yōu)分辨性能的特征子集。基于62例膀胱腫瘤患者的實(shí)驗(yàn)結(jié)果表明,使用58個(gè)3D紋理特征以及相應(yīng)的2D特征對(duì)腫瘤和壁組織進(jìn)行區(qū)分,3D的分類效果顯著優(yōu)于2D特征。對(duì)特征的統(tǒng)計(jì)分析發(fā)現(xiàn),38個(gè)特征在這兩類組織之間存在顯著性差異(P≤0.01)。采用RFE-SVM方法對(duì)具有顯著差異的38個(gè)特征進(jìn)一步篩選,最終獲得29個(gè)特征組成最優(yōu)特征子集,其分類測(cè)試的敏感性、特異性、準(zhǔn)確率以及受試者操作特性曲線的線下面積(Area under the curve of receiver operating characteristic,AUC of ROC)分別為0.9032,0.8548,0.8790以及0.9045。第二部分基于3D紋理特征的膀胱腫瘤肌層浸潤性鑒別。前一部分的結(jié)果表明,高階偏導(dǎo)圖像的3D紋理特征能夠更加有效地反映腫瘤組織的異質(zhì)性。因此,本部分采用T2WI及其高階偏導(dǎo)圖像的3D特征,對(duì)膀胱腫瘤的肌層浸潤性(Muscular invasiveness,MI)進(jìn)行分析鑒別。研究策略如下:(1)MR數(shù)據(jù)采集與VOI勾勒:從68位臨床確診的膀胱腫瘤患者的T2WI影像中勾勒出118個(gè)腫瘤VOI。其中,84個(gè)為肌層浸潤性腫瘤(MIBC),34個(gè)為非浸潤性腫瘤(NMIBC)。(2)高階偏導(dǎo)圖像生成與特征提取:為了更為有效地反映浸潤與非浸潤腫瘤組織的異質(zhì)性差異,本部分從每個(gè)灰度VOI及其高階偏導(dǎo)圖像中提取基于信號(hào)強(qiáng)度的直方圖特征以及基于共生矩陣(Co-occurrence matrix,CM)的Haralick紋理特征,共提取特征63個(gè)。(3)特征選擇:采用第一部分提出的特征選擇算法策略,選出一組具有最優(yōu)鑒別能力的特征子集,用于分類測(cè)試。(4)樣本均衡:考慮到原始的兩類樣本數(shù)量(84/34)具有明顯的非均衡性,可能對(duì)分類結(jié)果產(chǎn)生影響。因此進(jìn)一步使用少類樣本過采樣合成技術(shù)(Synthetic minority oversampling Technique,SMOTE)對(duì)較少類樣本進(jìn)行合成與擴(kuò)增,使兩類樣本在數(shù)量上持平。(5)分類測(cè)試:采用雙邊t-test的方法對(duì)兩組腫瘤的統(tǒng)計(jì)分析結(jié)果表明,63個(gè)影像組學(xué)特征中,30個(gè)具有顯著組間差異(P≤0.01)。使用RFE-SVM方法對(duì)這30個(gè)特征進(jìn)一步篩選,得到一組由7個(gè)顯著性特征組成的最優(yōu)子集,其分類結(jié)果為Youden index 0.4405,AUC 0.7924。保留具有顯著性統(tǒng)計(jì)學(xué)差異的特征,對(duì)SMOTE均衡后的樣本(84/84),再采用RFE-SVM進(jìn)行篩選,最終得到一組由13個(gè)特征組成的最優(yōu)子集,其分類性能Youden index與AUC分別提高到0.7192、0.8610。第三部分基于多模MRI與紋理特征的膀胱腫瘤肌層浸潤性鑒別。前一部分的結(jié)果表明,從膀胱結(jié)構(gòu)影像及高階偏導(dǎo)圖像中提取的影像組學(xué)特征,能夠用于鑒別膀胱腫瘤的肌層浸潤性并初步預(yù)測(cè)腫瘤分期。考慮到彌散加權(quán)成像(Diffusion weighted imaging,DWI)序列及其影像組學(xué)特征在反映腫瘤分級(jí)分期方面的優(yōu)勢(shì),本部分基于多模MRI的影像組學(xué)特征,開展膀胱腫瘤肌層浸潤性與分期的術(shù)前預(yù)測(cè)研究,主要包括以下幾個(gè)方面:(1)研究對(duì)象選擇:53例術(shù)前做了T2WI與DWI掃描有膀胱癌確診患者,包括19個(gè)NMIBC與34個(gè)MIBC樣本。(2)ROI勾勒:為了驗(yàn)證從腫瘤與壁組織混合區(qū)域提取的影像組學(xué)特征相對(duì)于從腫瘤外凸區(qū)域提取的特征,是否更能有效地描述不同浸潤性膀胱腫瘤的異質(zhì)性差異,我們從每個(gè)腫瘤的T2WI、DWI以及ADC圖像中分別勾勒出腫瘤外凸區(qū)域與腫瘤與膀胱壁組織混合區(qū)域的ROI數(shù)據(jù)。(3)影像組學(xué)特征提取:從每個(gè)模態(tài)選取三類特征,包括:直方圖特征、基于CM的Haralick紋理特征、基于游程矩陣(Run length matrices,RLM)的紋理特征,再加上目前文獻(xiàn)中常用的基于信號(hào)強(qiáng)度的DWI均值與ADC均值。(4)特征分析與分類測(cè)試:特征篩選方法使用第一、二部分所采用的基于統(tǒng)計(jì)學(xué)分析與RFE-SVM的特征選擇策略,首先從以上影像組學(xué)特征中選出在NMIBC與MIBC間存在顯著差異的特征,然后采用RFE-SVM方法在具有顯著性差異的影像組學(xué)特征中選出一組最優(yōu)特征子集進(jìn)行分類測(cè)試。結(jié)果顯示:利用多模MRI影像組學(xué)特征對(duì)膀胱腫瘤肌層浸潤性與分期進(jìn)行術(shù)前初步預(yù)測(cè)時(shí),提取自腫瘤與壁組織混合區(qū)域ROI的特征,相對(duì)于從腫瘤外凸區(qū)域ROI中提取的特征,更能顯著地反映不同肌層浸潤性腫瘤的異質(zhì)性差異。經(jīng)特征篩選后,SVM分類測(cè)試結(jié)果顯示:基于多模MRI最優(yōu)特征子集能夠有效預(yù)測(cè)腫瘤的肌層浸潤性,其準(zhǔn)確性、Youden Index與AUC分別為0.811、0.567以及0.834�？紤]到樣本的非均衡性,我們采取SMOTE進(jìn)行樣本均衡。均衡以后的樣本,其以上分類結(jié)果分別提高到0.838、0.676、0.910。第四部分基于PG-CMF的膀胱腫瘤提取與分期的量化預(yù)測(cè)。前三個(gè)部分的研究初步實(shí)現(xiàn)了基于MRI影像特征的膀胱腫瘤組織與壁組織、腫瘤肌層浸潤性及分期的術(shù)前預(yù)測(cè)。在此基礎(chǔ)上,能否進(jìn)一步實(shí)現(xiàn)膀胱腫瘤區(qū)域的準(zhǔn)確提取、浸潤深度計(jì)算以及量化的分期預(yù)測(cè)?為此,本部分著重研究基于T2WI序列的膀胱腫瘤提取與浸潤深度計(jì)算方法,并提出一套基于腫瘤浸潤深度的分期預(yù)測(cè)流程。研究的主要過程包含以下幾個(gè)方面:(1)研究對(duì)象選擇:25例確診膀胱腫瘤患者的T2WI影像數(shù)據(jù),其中10例分期≤T1,10例分期等于T2,剩余的5例分期≥T3。(2)腫瘤區(qū)域提取:采用基于自適應(yīng)形狀先驗(yàn)約束的水平集(Adaptive shape priori constrained level-sets,ASPCLS)膀胱內(nèi)外壁自動(dòng)分割方法,輔以手動(dòng)校正從T2WI圖像中提取膀胱壁及腫瘤區(qū)域。進(jìn)一步提出先驗(yàn)引導(dǎo)的連續(xù)最大流(Priori-guided continuous max-flow,PG-CMF)分割方法,實(shí)現(xiàn)膀胱腫瘤區(qū)域的逐層提取。(3)腫瘤浸潤深度計(jì)算及分期的量化預(yù)測(cè):在腫瘤區(qū)域準(zhǔn)確提取的基礎(chǔ)上,本文提出相對(duì)浸潤深度的概念(Relative invasion depth,DRI),即用1減去腫瘤區(qū)域下方的最小膀胱壁厚度與腫瘤區(qū)域以外的膀胱壁平均厚度之比。基于DRI的計(jì)算結(jié)果以及25例膀胱腫瘤的病理學(xué)檢測(cè)結(jié)果,初步提出分期的量化預(yù)測(cè)模型。結(jié)果顯示:與手動(dòng)分割結(jié)果相比,PG-CMF分割的平均DSC為88.73%,表明該方法能準(zhǔn)確地對(duì)膀胱腫瘤進(jìn)行分割。論文研究的主要結(jié)論與創(chuàng)新點(diǎn)體現(xiàn)在以下方面:(1)對(duì)3D紋理模型進(jìn)行了改進(jìn),并將T2WI灰度圖像及其高階偏導(dǎo)圖像的紋理特征共同引入膀胱腫瘤與壁組織的鑒別中,提出基于灰度-曲度3D圖像組的共生矩陣構(gòu)建方法。結(jié)果表明,相較2D紋理特征,3D紋理特征能更好地反映腫瘤組織分布的非勻質(zhì)性,可獲得更優(yōu)的腫瘤與壁組織鑒別性能。(2)提出基于影像組學(xué)特征的膀胱腫瘤肌層浸潤性與分期術(shù)前初步診斷策略,系統(tǒng)評(píng)估了提取自T2WI灰度圖像及其高階偏導(dǎo)圖像的3D影像組學(xué)特征在腫瘤浸潤性鑒別中的應(yīng)用。結(jié)果表明,提取自膀胱T2WI影像及其高階偏導(dǎo)圖像的3D影像組學(xué)特征能有效反映肌層浸潤與非浸潤膀胱腫瘤組織空間分布的異質(zhì)性差異,本章提出的影像組學(xué)策略或可用于術(shù)前腫瘤浸潤性鑒別與分期初步預(yù)測(cè)。(3)提出基于多模MRI影像組學(xué)特征的膀胱腫瘤肌層浸潤性與分期術(shù)前初步診斷策略,并驗(yàn)證了取自腫瘤和膀胱壁組織混合區(qū)域的ROI能更好地反應(yīng)肌層浸潤與非浸潤膀胱腫瘤的異質(zhì)性差異。此外,基于統(tǒng)計(jì)學(xué)分析與RFE-SVM的最優(yōu)特征子集篩選策略,以及基于SMOTE的樣本均衡與擴(kuò)增方法,能進(jìn)一步提高模型對(duì)于腫瘤肌層浸潤性與分期的預(yù)測(cè)效果。(4)提出PG-CMF膀胱腫瘤分割策略,結(jié)果表明,該分割方法能夠準(zhǔn)確地將腫瘤從膀胱壁組織上分割出來,且具有良好的分割效率。(5)提出DRI的概念及計(jì)算方法,用于描述膀胱腫瘤對(duì)膀胱壁的浸潤程度。結(jié)果表明:DRI能夠量化地表征腫瘤對(duì)壁組織的浸潤程度,可作為膀胱腫瘤CADx的重要指標(biāo),用于腫瘤的分期預(yù)測(cè)。
[Abstract]:......
【學(xué)位授予單位】：第四軍醫(yī)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：R737.14
，

本文編號(hào)：1707857