本文關鍵詞： 肝細胞癌 CT 影像組學 預后 Edmondson-Steiner分級　出處：《南方醫(yī)科大學》2017年碩士論文　論文類型：學位論文

【摘要】：目的:探索基于增強CT的影像組學預測肝細胞癌Edmondson-Steiner病理分級,以及預測單發(fā)肝細胞癌患者肝切除術后的預后的價值。材料和方法:1.回顧性收集并納入385例肝細胞癌患者,按檢查時間及比例分為訓練組及測試組,在門脈期CT圖像中腫瘤部分中提取17個一階統(tǒng)計特征、22個GLCM(灰度共生矩陣)特征、14個GLRLM(灰度行程長度矩陣)特征及8個形態(tài)特征,每種特征分別不做平滑、3種高斯平滑,以及分別不做濾波、7種差分濾波、10種Gabor濾波。將訓練組的影像組學特征經mRMR(最大相關最小冗余)的特征選擇算法進行篩選,通過基于AIC的后退法建立建立影像組學標簽,將標簽應用于測試組。采用ROC(受試者診斷特征曲線)評估模型的預測效能,在訓練組及測試組中生成ROC曲線,在ROC曲線上的陽性似然比最大處確定界值,并計算敏感性和特異性、AUC(ROC曲線下面積)和區(qū)分病理分級的準確度。以Logistic回歸分析方法分析影像組學標簽及臨床參數(shù)與病理分級的關系。2.在肝細胞癌病例中納入61例單發(fā)病灶且行肝切除術治療、規(guī)律隨訪的患者。通過拉普拉斯高斯濾波器、GLCM、Gabor轉換、Wavelet轉換方法提取增強掃描動脈期及門脈期CT圖像中腫瘤部分的影像組學特征及肝動脈期和門靜脈期紋理之間的差異(Dif)。使用ROC篩選特征參數(shù)并獲得最佳界值。納入具有ROC的統(tǒng)計顯著性的參數(shù)及通過單變量回歸篩選出p0.10的臨床變量,通過Cox比例風險模型對OS(總生存期)進行多變量回歸分析。使用AIC(Akaike信息標準)來確定預測OS的最佳模型。根據多變量回歸分析確定的重要因素將患者分為兩組,使用Kaplan-Meier方法獲得OS和DFS(無病生存期)的生存曲線,并進行對數(shù)秩檢驗以比較差異。結果:1.基于門脈期CT影像組學建立的肝細胞癌Edmondson-Steiner病理分級預測模型由篩選出的八個特征組成:Rad Score = 1.009-0.5107×orig_orig_fos_median+0.3362×g.075_gab.20.1_GLCM_homogeneity2 + 0.3719×g.075_gab.15.2_GLRLM_LRLGLE-0.5798×Compactness2-0.2858 ×orig_diff.4_fos_krutosis +0.3261 ×g.100_gab.10.1_GLCM_homogeneity2 +0.6769×g.075_lap.cut2_GLCM_IDN-0.3208×g.075_gab.15.2_GLCM_IMC2該影像組學標簽對肝細胞癌Edmondson-Steiner Ⅰ-Ⅱ級及Ⅲ-Ⅳ級的區(qū)分有統(tǒng)計學意義(p0.0001),訓練組檢測效能AUC值為0.766(95%CI:0.824～0.707),敏感性 0.667,特異性 0.753;測試組 AUC 值為 0.673(95%CI:0.775～0.571),敏感性0.674,特異性0.683。甲胎蛋白等臨床參數(shù)與病理分級無統(tǒng)計學相關性。2.ROC和Cox回歸分析篩選出的預測單發(fā)肝細胞癌患者肝切除術后預后的影像組學特征參數(shù)中,濾波器參數(shù)為1.0(filter 1.0)的影像組學特征實現(xiàn)了最佳性能,其中Dif.Scale1.2是OS的優(yōu)質獨立預測因素(p = 0.05)。Kaplan-Meier分析進一步證明在 filter 0 的 Dif.Scale2.2(p = 0.001),filter 1.0 的 Dif.Scale1.2(p = 0.006),Dif.Scale3.2(p = 0.005),filter 1.5 的 Dif.Wavelet 8(p0.001)與 OS 相關。在filter 0 的 Dif.Scale2.2(p = 0.039),filter 1.0 的 Dif.Scale1.2(p = 0.001)和 filter 1.5的 Dif.Wavelet 8(p = 0.007)與 DFS 相關。而巴塞羅那肝癌分期(BCLC)(p = 0.057)等臨床參數(shù)與OS沒有統(tǒng)計學相關性。結論:建立基于門脈期CT影像組學標簽可用于預測肝細胞癌為Edmondson-SteinerⅠ-Ⅱ級或Ⅲ-Ⅳ級,且可作為獨立預測因子。對于接受肝切除術治療的單發(fā)肝細胞癌患者,CT圖像腫瘤區(qū)域的Gabor和Wavelet特征,特別是動脈期及門脈期的特征差異值,可為超越BCLC等傳統(tǒng)指標的預后預測因素。
[Abstract]:Objective: To explore the enhanced image group CT prediction Edmondson-Steiner pathological grade of hepatocellular carcinoma and the prognosis based on single liver patients after resection for hepatocellular carcinoma. Materials and methods: 1. were retrospectively collected and included 385 cases of hepatocellular carcinoma patients, according to the inspection time and the proportion is divided into training group and testing group. 17 first order statistical feature extraction on the portal venous tumor CT images in the 22 part, GLCM (GLCM), 14 GLRLM (gray run length matrix) characteristics and 8 morphological characteristics of each kind of features do not smooth respectively, 3 Gauss smoothing, and respectively do filtering, 7 a differential filter, 10 Gabor filter. The image features of the group training group by mRMR (optimization) feature selection algorithm was screened by backward method based on AIC to establish image group label, the label applied to the test group (using ROC. Receiver operating characteristic curve) prediction efficiency evaluation model, ROC curve in the training group and the testing group, the positive likelihood in ROC curve on the boundary than the maximum, and calculate the sensitivity and specificity of AUC (area under the ROC curve) and distinguish the pathological grading accuracy. By Logistic regression analysis method of image analysis group labels and clinical parameters and pathologic grading of.2. in 61 patients with single lesion and liver resection in hepatocellular carcinoma cases, regular follow-up of patients. Through the Laplasse Gauss filter, GLCM, Gabor conversion, Wavelet conversion method to extract the difference contrast enhancement in artery phase and portal vein phase scanning group tumor the CT image characteristics and the part between the hepatic arterial phase and portal venous phase texture (Dif). Screening parameters and obtain the best value of ROC. ROC is included in the statistical significant parameters and by single variable Selected clinical variables p0.10 regression, using the Cox proportional hazards model for OS (overall survival) multivariate regression analysis. Using AIC (Akaike information criterion) to determine the best model for predicting OS. According to the multivariate regression analysis the patients were divided into two groups of important factors identified, using the Kaplan-Meier method to obtain OS and DFS (DFS) survival curves and log rank test to compare the differences. Results: 1. hepatocellular carcinoma Edmondson-Steiner grading portal CT images group establishment forecast based on eight features selected by the model: Rad Score = 1.009-0.5107 * orig_orig_fos_median+0.3362 * g.075_gab.20.1_GLCM_homogeneity2 * g.075_gab.15.2_GLRLM_LRLGLE-0.5798 * Compactness2-0.2858 + 0.3719 * orig_diff.4_fos_krutosis +0.3261 g.100_gab.10.1_GLCM_homogeneity2 * +0.6769 * g.075_lap.cut2_GLCM_IDN-0. 3208 x g.075_gab.15.2_GLCM_IMC2 the image group label to distinguish hepatocellular carcinoma Edmondson-Steiner grade I - II and III - IV was statistically significant (P0.0001), training group detection efficiency of AUC value is 0.766 (95%CI:0.824 ~ 0.707), the sensitivity was 0.667, specificity was 0.753; test group AUC = 0.673 (95%CI:0.775 ~ 0.571). The sensitivity was 0.674, specificity for forecasting 0.683. AFP clinical parameters and pathological grading was no correlation between.2.ROC and Cox regression analysis showed that the patients with solitary liver resection for hepatocellular carcinoma prognosis after image group of characteristic parameters, the filter parameter is 1 (filter 1) of the image group characteristics to achieve the best performance, including Dif.Scale1.2 is the quality of the independent predictive factors of OS (P = 0.05).Kaplan-Meier analysis further proved in filter 0 Dif.Scale2.2 (P = 0.001), filter 1 Dif.Scale1.2 (P = 0.006), Dif.Sca Le3.2 (P = 0.005), filter 1.5 Dif.Wavelet 8 (p0.001) and OS. In filter 0 Dif.Scale2.2 (P = 0.039), filter 1 Dif.Scale1.2 (P = 0.001) and filter 1.5 Dif.Wavelet 8 (P = 0.007) and DFS. Barcelona liver cancer (BCLC) (P = 0.057) there were no statistical correlation between clinical parameters and OS. Conclusion: the establishment of portal CT images group label can be used for prediction of hepatocellular carcinoma for Edmondson-Steiner grade I - II or III - IV based, and can be used as an independent predictor. For liver resection for patients with solitary hepatocellular carcinoma, and Gabor Wavelet features of tumor CT image region, especially the differences in arterial phase and portal venous phase value for prognosis of BCLC beyond the traditional indicators such as predictive factors.

【學位授予單位】：南方醫(yī)科大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R735.7;R730.44

【相似文獻】

相關期刊論文 前10條

1 徐衛(wèi)東,張春平,王桂榮;肝細胞癌的變化模式[J];國外醫(yī)學(內科學分冊);2000年10期

2 ;早期發(fā)現(xiàn)肝細胞癌可增加治療機會[J];河南醫(yī)學研究;2000年02期

3 Schafer DF,潘朝法,李蘇云;肝細胞癌[J];第四軍醫(yī)大學吉林軍醫(yī)學院學報;2000年01期

4 中沼安二,林淑蘭,姚楨;有關小肝細胞癌病理學的最新認識[J];日本醫(yī)學介紹;2000年05期

5 靜雨;;美國肝細胞癌發(fā)病率增高[J];國外醫(yī)學情報;2000年01期

6 張玉勛;;肝細胞癌的非手術治療[J];國外醫(yī)學情報;2000年05期

7 徐宏勇,李開宗,付由池,竇科峰,李景夢,何揚舉;bcl-x,bax基因表達與肝細胞癌臨床病理特征的關系[J];第四軍醫(yī)大學學報;2001年14期

8 蔡端;多中心源肝細胞癌的特征:與肝內轉移的比較[J];國外醫(yī)學.外科學分冊;2002年02期

9 張春平;與白介素-18水平升高有關的肝細胞癌自發(fā)性消退[J];國外醫(yī)學(內科學分冊);2003年03期

10 薛海鷗,岳莉;兒童肝細胞癌1例報告[J];錦州醫(yī)學院學報;2003年04期

相關會議論文 前10條

1 卞讀軍;;肝細胞癌經導管動脈化療栓塞前后磁共振波譜研究[A];2009中華醫(yī)學會影像技術分會第十七次全國學術大會論文集[C];2009年

2 賈建偉;趙潔;;肝細胞癌領域研究現(xiàn)狀與進展[A];中醫(yī)藥防治感染病之研究（九）——第九次全國中醫(yī)藥防治感染病學術交流大會論文集[C];2009年

3 陳孝平;;肝細胞癌外科治療進展[A];湖北省第21屆腫瘤學術大會論文匯編[C];2011年

4 張杰;劉軍建;韓云;張寧;芮靜安;金城;周柔麗;;用熒光差異顯示法篩選肝細胞癌相關新基因[A];2000全國腫瘤學術大會論文集[C];2000年

5 馮仕庭;李子平;譚國勝;孫燦輝;彭振鵬;;中晚期肝細胞癌的多層螺旋CT血管造影表現(xiàn)及臨床應用[A];中華醫(yī)學會第十三屆全國放射學大會論文匯編（下冊）[C];2006年

6 張法標;方哲平;王義;董輝;叢文銘;;上皮鈣粘素和β-連接素在兒童肝細胞癌中的表達及其臨床意義[A];2007年浙江省外科學學術會議論文匯編[C];2007年

7 陳鐘杰;;螺旋CT診斷原發(fā)型肝細胞癌28例[A];2008年浙江省放射學年會論文匯編[C];2008年

8 賈克東;;肝細胞癌的診斷進展及治療現(xiàn)狀[A];全國中西醫(yī)結合肝病新進展講習班、江西省第二次中西醫(yī)結合肝病學術會議資料匯編[C];2010年

9 李秋萍;龍順欽;楊小兵;鄧宏;蔡姣芝;潘宗奇;河文峰;周宇姝;歐陽育樹;廖桂雅;吳萬垠;;癌服靈治療晚期肝細胞癌的臨床研究[A];2012·中國醫(yī)師協(xié)會中西醫(yī)結合醫(yī)師大會第三次會議論文集[C];2012年

10 朱明華;祝峙;劉曉紅;林靜;曲建慧;陳穎;曹曉哲;王力;倪燦榮;;乙型肝炎病毒感染與肝細胞癌發(fā)生關系的分子病理學研究[A];中華醫(yī)學會病理學分會2009年學術年會論文匯編[C];2009年

相關重要報紙文章 前10條

1 中國抗癌協(xié)會臨床腫瘤學協(xié)作專業(yè)委員會主任委員 秦叔逵;治療肝細胞癌 別只盯著靶向藥[N];健康報;2013年

2 記者 王丹 管九蘋;肝細胞癌標志物研究獲新進展[N];健康報;2013年

3 吳一福;四軍醫(yī)大唐都醫(yī)院發(fā)現(xiàn)硒蛋白P與肝細胞癌發(fā)生有關[N];中國醫(yī)藥報;2007年

4 黎彬;肝癌研究重要進展——預測肝癌轉移成為可能[N];中國醫(yī)藥報;2004年

5 錢文彩;α2δ1陽性細胞為新的肝細胞癌干細胞[N];中國醫(yī)藥報;2013年

6 新美;基礎研究進展推動肝臟病學進步[N];中國醫(yī)藥報;2008年

7 周金蓮;MIB-1和bcl-2表達預測肝癌發(fā)生[N];中國醫(yī)藥報;2004年

8 張金山;要靈活運用影像學提供的方法和手段[N];中國高新技術產業(yè)導報;2001年

9 李杰;不能手術切除肝細胞癌的治療[N];科技日報;2006年

10 ;修復肝細胞 改善肝功能[N];人民日報海外版;2006年

相關博士學位論文 前10條

1 白蘭;乙肝病毒捕獲細胞因子和信號級聯(lián)以逃避宿主免疫并維持持續(xù)感染[D];武漢大學;2014年

2 何洪衛(wèi);肝細胞癌內γδT細胞浸潤減少及功能缺陷的機制研究[D];復旦大學;2014年

3 蔡曉燕;淋巴細胞在肝細胞癌和癌旁組織中的差異性表達研究[D];復旦大學;2014年

4 向導;細胞周期因子FoxM1促進肝臟再殖的研究[D];第二軍醫(yī)大學;2015年

5 康富標;共刺激分子B7-H3在肝細胞癌的表達及相關機制研究[D];中國人民解放軍醫(yī)學院;2015年

6 楊純;Gankyrin正反饋調控Nrf2在肝細胞癌中發(fā)揮抗氧化作用[D];第二軍醫(yī)大學;2015年

7 高霞;PNPLA3基因單核苷酸多態(tài)性及基因表達與乙肝病毒感染易感性及乙肝相關肝細胞癌的關聯(lián)性研究[D];河北醫(yī)科大學;2016年

8 彭晨星;microRNA結合位點單核苷酸多態(tài)性對肝細胞癌預后影響的相關性研究[D];河北醫(yī)科大學;2016年

9 田偉;γδT細胞免疫治療肝細胞癌的實驗研究[D];山西醫(yī)科大學;2016年

10 葉甲舟;RBM8A與肝細胞癌的相關性及對肝細胞癌增殖及凋亡生物學特性的影響[D];廣西醫(yī)科大學;2016年

相關碩士學位論文 前10條

1 王飛;CDH17調控肝細胞癌的生物學機制的研究[D];福建醫(yī)科大學;2015年

2 陳中博;咖啡攝入與肝細胞癌發(fā)病風險的Meta分析[D];河北醫(yī)科大學;2015年

3 張華鵬;核受體輔激活蛋白5在肝細胞癌組織中的表達及其臨床意義[D];鄭州大學;2015年

4 郭慧敏;血清sCD25測定在肝細胞癌診斷中的意義[D];鄭州大學;2015年

5 凌青霞;雙氧化酶1（Duox1）在肝細胞癌中的表達調控及作用研究[D];復旦大學;2014年

6 李會芬;血清Talin-1在肝細胞癌診斷中的作用[D];鄭州大學;2015年

7 蒙錦瑩;血管生長相關因子的血清濃度與肝細胞癌預后的相關性研究[D];蘭州大學;2015年

8 戰(zhàn)勇;肝細胞癌術前造影參數(shù)與生物學表現(xiàn)相關性及術后復發(fā)相關因素討論[D];中國人民解放軍醫(yī)學院;2015年

9 姚樂;microRNA-32在肝細胞癌中的表達及其臨床預后意義[D];河北醫(yī)科大學;2015年

10 吳華;MACC1在肝細胞癌中的表達與臨床意義[D];安徽醫(yī)科大學;2015年

，

本文編號：1543214