發(fā)布時(shí)間：2024-12-18 01:55

　　頭頸癌是世界上常見的惡性腫瘤,局部區(qū)域復(fù)發(fā)被認(rèn)為是引起其不良預(yù)后的主要原因之一。在治療前評估腫瘤風(fēng)險(xiǎn)并選擇個(gè)體化治療方案對改善患者預(yù)后至關(guān)重要。臨床上常用患者年齡、腫瘤分期等指標(biāo)評估腫瘤風(fēng)險(xiǎn)。此外,近年來隨著醫(yī)學(xué)影像技術(shù)的發(fā)展,有研究揭示了醫(yī)學(xué)影像中存在的數(shù)字化信息可解碼腫瘤自身的特性,是腫瘤風(fēng)險(xiǎn)評估極具潛力的信息來源。還有研究表明,放療計(jì)劃方案制定階段產(chǎn)生的劑量體積直方圖亦具有一定的預(yù)后預(yù)測能力,這說明在針對放療患者的預(yù)后研究中還應(yīng)充分考慮劑量分布質(zhì)量對預(yù)后的影響。但現(xiàn)有預(yù)后研究僅涉及二維的劑量分布。相較之下,三維劑量分布包含更豐富的劑量信息,但鮮有研究探究三維劑量分布的預(yù)后價(jià)值。因此,本文嘗試從頭頸癌的三維劑量分布中挖掘量化的劑量特征,從中尋找影響頭頸癌局部區(qū)域復(fù)發(fā)的劑量因素,并建立局部區(qū)域復(fù)發(fā)的預(yù)后模型。其中的特征挖掘采用傳統(tǒng)影像組學(xué)方法和深度學(xué)習(xí)方法。本文將影像組學(xué)策略應(yīng)用于腫瘤區(qū)域的三維劑量分布,從中提取大量的一階特征和紋理特征,采用Cox 比例風(fēng)險(xiǎn)回歸建立這些劑量特征與復(fù)發(fā)風(fēng)險(xiǎn)的關(guān)聯(lián)模型,并將該模型進(jìn)一步地與基于年齡、腫瘤分期等臨床指標(biāo)及CT、PET影像建立的模型進(jìn)行比較。同...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２生存函數(shù)

癌癥預(yù)后研究概述???的概率可以用生存函數(shù)（ＳｕｒｖｉｖａｌＦｕｎｃｔｉｏｎ）表不：??Ｓ（ｔ）?＝?Ｐ（Ｔ?＞?ｔ）?（２－｝）??生存函數(shù)有三個(gè)特征點(diǎn)：１）生存函數(shù)是非遞增函數(shù)；２）?５（０）?＝?１，在研究的起??始時(shí)間點(diǎn)，即ｔ?＝?０時(shí)，沒有充分的時(shí)間可以觀察到個(gè)體發(fā)生研....

圖２－３風(fēng)險(xiǎn)函數(shù)

?領(lǐng)士學(xué)位論文???風(fēng)險(xiǎn)函數(shù)不是表示概率的一個(gè)概念，而是與概率的變化率有關(guān)的概念，其值在［０，??〇〇）之間，如圖２－３所示。??生存函數(shù)與風(fēng)險(xiǎn)函數(shù)可相互表達(dá)，如式２－３和式２－４所示：??５（ｔ）?＝?ｅｘｐ?—?ｆ?ｈ（ｕ）ｄｕ?（２－３）??Ｊ〇??００??ｍ??０?ｔ??....

圖２－４基于表２－２中兩個(gè)群組繪制的Ｋａｐｌａｎ－Ｍｅｉｅｒ生存曲線

?領(lǐng)士學(xué)位論文???Ｋａｐｌａｎ－Ｍｅｉｅｒ生存曲線??Ｓｔｒａｔａ?＋?ｇｒｏｕｐ＝群組?１?＋?ｇｒｏｕｐ＝群組?２??。．２５．?＼??０．００?（?（?（?＾??０?１０?２０?３０?４０??緩解時(shí)長（周）??圖２－４基于表２－２中兩個(gè)群組繪制的Ｋａｐｌａｎ－Ｍｅｉｅｒ生....

圖２－５?ＣＮＮ結(jié)構(gòu)

?第二章基于醫(yī)學(xué)影像類數(shù)據(jù)的癌癥預(yù)后研究概述???數(shù)，而針對本文的生存分析問題，目標(biāo)函數(shù)的具體形式詳見４．３．４節(jié)。??誤差反向傳播??Ｂ?ｒ?ｆ?…?盡一塞——Ｉ??ｆｔ?｜?Ｓ?Ｉ?｜?接接函??ｅ?Ｇ?ｅ?ｅ?層層數(shù)??Ｙ?ｔ??圖２－５?ＣＮＮ結(jié)構(gòu)。??Ｆｉｇ．?２－５?....

本文編號：4016865