目的基于周?chē)头伟〤T增強(qiáng)圖像的影像組學(xué)特征預(yù)測(cè)其免疫組化指標(biāo)VEGF、EGFR、Ki-67及MVD的表達(dá),并對(duì)影像組學(xué)特征在預(yù)測(cè)肺結(jié)節(jié)生物學(xué)行為的可行性及應(yīng)用價(jià)值進(jìn)行客觀評(píng)價(jià)。方法本研究回顧性分析了涉及48例經(jīng)手術(shù)后病理證實(shí)為周?chē)头伟┑幕颊?術(shù)前均行能譜CT雙期增強(qiáng)掃描。使用ITK-SNAP于CT增強(qiáng)圖像（動(dòng)脈期+靜脈期）上勾畫(huà)感興趣區(qū)（ROI）,在Artificial Intelligence Kit（GE Healthcare,Life Science,China）上對(duì)其進(jìn)行影像組學(xué)分析。使用LASSO回歸模型選取VEGF、EGFR、Ki-67的關(guān)鍵特征、使用線性回歸模型選取MVD的關(guān)鍵特征分別建立模型,并以免疫組化染色檢測(cè)組織中VEGF、EGFR、Ki-67及MVD的表達(dá)水平為參考標(biāo)準(zhǔn)。利用ROC曲線、曲線下面積（AUC）來(lái)評(píng)價(jià)模型預(yù)測(cè)免疫組化指標(biāo)表達(dá)水平的效能,使用單變量回歸線來(lái)觀察免疫組化指標(biāo)MVD與影像組學(xué)特征間的關(guān)系。結(jié)果根據(jù)EGFR、Ki-67、VEGF及MVD的表達(dá)水平,分別于動(dòng)脈期選取了2、3、1、4個(gè)關(guān)鍵特征建模,靜脈期選取了2、4、2、2個(gè)關(guān)鍵特征建模。動(dòng)脈... 

【文章來(lái)源】：寧夏醫(yī)科大學(xué)寧夏回族自治區(qū)

【文章頁(yè)數(shù)】：45 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

動(dòng)脈期ROI勾畫(huà)及分割的示意圖，于橫軸位（A）手動(dòng)勾畫(huà)，同時(shí)得到矢狀位（B）、冠狀位（C）ROI進(jìn)行校正和補(bǔ)充，使用update獲取3DROI圖像（D）

寧夏醫(yī)科大學(xué)碩士學(xué)位論文結(jié)果9模型的AUC值為0.78(95%CI:0.60~0.95)，Ki-67模型的AUC值為0.84(95%CI:0.70~0.98)，VEGF模型的AUC值為0.71(95%CI:0.56~0.86)。靜脈期EGFR模型的AUC值為0.76(95%CI:0.59~0.93)，Ki-67模型的AUC值為0.83(95%CI:0.65~1.00)，VEGF模型的AUC值為0.77(95%CI:0.64~0.91)。可以從這些模型中得出放射學(xué)評(píng)分（Rad-score），動(dòng)脈期的系數(shù)分別為0.0578（EGFR）、0.0522（Ki-67）、1.2281（VEGF），靜脈期的系數(shù)分別為0.0422（EGFR）、0.0451（Ki-67）、0.008（VEGF），其中動(dòng)脈期VEGF模型評(píng)分較高（圖4）。MVD為計(jì)量資料，采用線性回歸模型，MVD模型中通過(guò)單變量回歸線可看出根據(jù)動(dòng)脈期圖像所獲取的uniformity特征表現(xiàn)最佳，其值在[-1,1]區(qū)間與MVD表達(dá)的相關(guān)性最高（圖5）。表3對(duì)LASSO建立的3個(gè)預(yù)測(cè)模型進(jìn)行分類(lèi)ab圖3EGFR（紅色）、Ki-67（綠色）、VEGF（藍(lán)色）影像組學(xué)預(yù)測(cè)模型的ROC曲線。a.EGFR預(yù)測(cè)模型的AUC為0.78(95%CI:0.60-0.95)，Ki-67預(yù)測(cè)模型的AUC為0.84(95%CI:0.70-0.98)，VEGF預(yù)測(cè)模型的AUC為0.71(95%CI:0.56-0.86);b.EGFR預(yù)測(cè)模型的AUC為0.76(95%CI:0.59-0.93)，Ki-67預(yù)測(cè)模型的AUC為0.83(95%CI:0.65-1.00)，VEGF預(yù)測(cè)模型的AUC為0.77(95%CI:0.64-0.91)。模型類(lèi)別AUC（95%CI）靈敏度特異度精確度APVPAPVPAPVPAPVPEGFRKi-67VEGF0.776（0.60-0.95）0.840（0.70-0.98）0.709（0.56-0.86）0.761（0.59-0.93）0.828（0.65-1.00）0.774（0.64-0.91）0.8680.7300.5450.7110.8380.6060.7000.9090.8670.8000.8180.9330.8330.7710.6460.7290.8330.708

寧夏醫(yī)科大學(xué)碩士學(xué)位論文結(jié)果10圖4VEGF模型使用LASSO回歸方法進(jìn)行特征選擇。在LASSO模型中使用了3折交叉驗(yàn)證來(lái)選擇調(diào)節(jié)參數(shù)(Lambda)。利用最小標(biāo)準(zhǔn)和1個(gè)標(biāo)準(zhǔn)誤差的最小標(biāo)準(zhǔn)(1-SE標(biāo)準(zhǔn))繪制AUC與log(Lambda)的關(guān)系曲線，以得到最佳值的垂直線。根據(jù)3折交叉驗(yàn)證，選擇的Lambda值為1.2281,log(Lambda)為0.0892(1-SE標(biāo)準(zhǔn))。ab圖5MVD預(yù)測(cè)模型于動(dòng)脈期（a）提取4個(gè)特征（MaxIntensity、uniformity、GLCMEntropy_AllDirection_offset4_SD、SmallAreaEmphasis）、于靜脈期（b）提取2個(gè)特征（HighGreyLevelRunEmphasis_AllDirection_offset7_SD、ShortRunLowGreyLevelEmphasis_AllDirection_offset1_SD）的相關(guān)回歸系數(shù)圖，深藍(lán)色實(shí)線為擬合直線，淡藍(lán)色區(qū)間95%置信區(qū)間，其范圍越小代表模型預(yù)測(cè)能力越好，其中動(dòng)脈期uniformity特征表現(xiàn)最佳，其值在[-1,1]區(qū)間預(yù)測(cè)MVD表達(dá)的效能最好。

【參考文獻(xiàn)】：
期刊論文
[1]建立CT影像組學(xué)標(biāo)簽預(yù)測(cè)非小細(xì)胞肺癌Ki-67表達(dá)水平[J]. 顧潛彪,馮智超,梁琪,李美姣,王維,容鵬飛.  中南大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2018(11)
[2]孤立性肺結(jié)節(jié)的影像學(xué)研究進(jìn)展[J]. 單文莉,柏根基,郭莉莉.  醫(yī)學(xué)綜述. 2018(15)
[3]CT影像組學(xué)在指導(dǎo)肺癌精準(zhǔn)放療中的應(yīng)用進(jìn)展[J]. 路玉昆,鞏貫忠,仇清濤,尹勇.  中國(guó)腫瘤臨床. 2018(02)
[4]miRNAs與非小細(xì)胞肺癌EGFR突變及放療相關(guān)性研究進(jìn)展[J]. 許齊真,張大昕.  中華放射腫瘤學(xué)雜志. 2017 (10)
[5]肺癌CT能譜成像:定量分析及與TTF-1和EGFR表達(dá)水平的相關(guān)性[J]. 周航,武峰.  放射學(xué)實(shí)踐. 2017(08)
[6]肺浸潤(rùn)性腺癌能譜CT碘基物質(zhì)分析與Ki-67表達(dá)的相關(guān)性研究[J]. 李夢(mèng)穎,金鳳強(qiáng),李智勇,胡帥,張晨,劉義軍,劉愛(ài)連.  臨床放射學(xué)雜志. 2017(02)
[7]非小細(xì)胞肺癌靶向治療藥物的研究進(jìn)展[J]. 產(chǎn)翠翠,田靜,金藝?guó)P.  中國(guó)臨床藥理學(xué)與治療學(xué). 2016(03)
[8]VEGF、EGFR的表達(dá)與非小細(xì)胞肺癌生物學(xué)行為的相關(guān)性[J]. 孟誼,楊楊,樊祥山,錢(qián)曉萍,劉寶瑞,王立峰.  現(xiàn)代腫瘤醫(yī)學(xué). 2015(05)
[9]熒光原位雜交技術(shù)檢測(cè)非小細(xì)胞肺癌EGFR基因狀態(tài)及與VEGF、D2-40、Ki-67表達(dá)相關(guān)性臨床意義研究[J]. 韓影,刁文卓,陳萍,程薇.  中國(guó)實(shí)驗(yàn)診斷學(xué). 2014(12)
[10]EGFR和K-ras在肺癌中的表達(dá)及其臨床意義[J]. 趙俊,胡向陽(yáng).  安徽醫(yī)科大學(xué)學(xué)報(bào). 2012(07)



本文編號(hào)：2994653