【摘要】：目的:肺癌是當今世界最常見的惡性腫瘤之一,是全球癌癥死亡的主要原因。不能早期檢測是其高死亡率的最重要因素。雖然全國肺部篩查試驗主張篩查某些高危人群,但這些篩查工作的實際實施尚未成功,且需求量很大。在此基礎上以及精準醫(yī)學的大背景下,放射組學應運而生。2012年,荷蘭研究員Lambin P首次提出了“Radiomics”的概念,并將其定義如下:使用高通量定量提取方法從影像學圖像中提取大量圖像特征。放射組學吸引了極大的關注,并且在2014年重新定義為:通過高通量自動(或半自動)提取方式,從放射學圖像中感興趣區(qū)(ROI)內(nèi)提取大量可量化信息(或圖像特征)。基于所捕獲的圖像特征類型,這些特征大致分為四類:強度,結構,紋理/漸變和小波。已有許多研究顯示這些特征與肺結節(jié)的惡性潛能之間存在顯著相關性。本文通過放射組學對肺癌病例進行定量特征提取,優(yōu)化選擇,然后通過機器學習方法實現(xiàn)肺癌病例討論和分析。資料與方法:在公開數(shù)據(jù)庫LIDC中挑選了224例以及醫(yī)院收集的263例肺結節(jié)病例,提取了共867個放射組學特征。首先,對胸CT中肺結節(jié)進行分割;然后,進行肺結節(jié)感興趣區(qū)域提取;最后,進行所有放射組學特征信息提取。針對肺結節(jié)的特點,研究中共設計了5組共62個放射組學特征構成每個樣本的特征空間。采用十種降維算法對特征進行降維,最后通過七種機器學習方法進行分類比較。特征提取算法的代碼全部基于Matlab R2017b實現(xiàn)。結果:本文給出了多種數(shù)據(jù)特征降維方法的研究,具體給出了50個,100個,200個,300個,400個,867個特征數(shù)據(jù)的分析結果,并針對不同機器學習分類算法進行研究比對,同時也對不同降維方法在不同機器學習算法中對我們的數(shù)據(jù)進行分類的結果分析,給出了最大相關最小冗余降維下的隨機森林分類效果最佳,在隨機森林的分類器情況下對數(shù)據(jù)進行了二維和三維特征分析。將放射組學特征區(qū)分為二維放射組學特征和三維放射組學特征。其中二維放射組學特征包括了一維放射組學特征、基本形狀大小特征、二維灰度游程矩陣(GLRLM-2D)、Laws圖像紋理特征(Law-Textures)、LoG二階邊緣信息特征;三維放射組學特征包括了三維灰度共生矩陣、三維灰度區(qū)域大小矩陣(GLSZM-3D)、多尺度三維小波特征;而這些特征合稱混合放射組學特征。我們通過二維放射組學特征、三維放射組學特征、混合放射組學特征對于基于隨機森林的肺結節(jié)良惡性分類器進行了分析。在3種特征分析中混合特征的識別精度要比其他兩個高。來自LIDC數(shù)據(jù)庫和來自醫(yī)院的數(shù)據(jù)在基于隨機森林的分類器中的結果分別為AUC=0.6571、ACC=76.26%,AUC=0.8667、ACC=76%;在基于支持向量機的分類器中的結果分別為AUC=0.6429,ACC=76.37%,AUC=0.7733、ACC=72%。由此可以發(fā)現(xiàn),來自LIDC數(shù)據(jù)庫的數(shù)據(jù)其分類準確度較高但是其AUC較低,而來自腫瘤醫(yī)院的數(shù)據(jù)則正好與之相反。根據(jù)反復試驗的數(shù)據(jù)證明,來自LIDC的數(shù)據(jù)準確度相比于來自與腫瘤醫(yī)院的數(shù)據(jù)的準確度高約3%。由此我們推測不同來源的肺結節(jié)數(shù)據(jù)對于分類器的建立有一定的影響。結論:在肺癌良惡診斷鑒別中,使用放射組學特征方法可以鑒別良惡性�；诩y理特征的計算機輔助診斷系統(tǒng)可以提高對此類結節(jié)的診斷效能。
【圖文】：

數(shù)據(jù)ROI區(qū)域提取圖2.1LIDC數(shù)據(jù)庫的肺結節(jié)分割，數(shù)據(jù)均使用逐結節(jié)逐層分割的方法，，

獲取VOI區(qū)域的mask模板圖像
【學位授予單位】：天津醫(yī)科大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R734.2

【相似文獻】

相關期刊論文 前10條

1 劉沁峰;劉偉軍;王云鵬;于斌;高翔宇;王濤;;基于醫(yī)學工程學的放射組學研究應用探討[J];中國醫(yī)療設備;2019年11期

2 王祥;李瓊;范麗;蔡佳麗;彭兆輝;劉士遠;;放射組學在非小細胞肺癌中的應用[J];腫瘤影像學;2017年06期

3 涂文婷;范麗;劉士遠;;肺癌放射組學研究進展[J];中華腫瘤防治雜志;2018年08期

4 李振輝;李濵;張大福;;放射組學在消化道腫瘤中的應用[J];放射學實踐;2017年03期

5 孫鋼;;放射組學的興起及其在消化系統(tǒng)腫瘤中的應用[J];中華消化病與影像雜志(電子版);2017年04期

6 方勝儒;李逸凡;張宇威;蔡娜;郭麗;;放射組學在肺癌診斷中的應用[J];天津醫(yī)科大學學報;2018年06期

7 王敏;宋彬;黃子星;陳婕;胡富碧;;大數(shù)據(jù)時代的精準影像醫(yī)學:放射組學[J];中國普外基礎與臨床雜志;2016年06期

8 王藝婷;張進;;肺癌放射組學的研究進展[J];臨床醫(yī)藥文獻電子雜志;2017年18期

9 楊濱;閻華;王欣彥;李東博;佐々木寬;尚濤;趙玉芬;;卡培他濱與放射聯(lián)合對子宮頸腺癌抗腫瘤效果的實驗研究[J];中國醫(yī)科大學學報;2009年10期

10 許曉虹;浙江省放射科工作者惡性腫瘤發(fā)病分析[J];中國腫瘤;2000年03期

相關會議論文 前3條

1 陳峰;許順良;;從精準影像學到放射組學[A];2015年浙江省醫(yī)學會放射學學術年會論文匯編[C];2015年

2 李惠;王翔;謝元亮;劉元志;馬鋒;;基于首診CT平掃的放射組學方法預測高血壓性腦出血早期擴大的初步研究[A];中國中西醫(yī)結合學會醫(yī)學影像專業(yè)委員會第十七次全國學術大會暨甘肅省中西醫(yī)結合學會醫(yī)學影像專業(yè)委員會第六屆學術年會資料匯編[C];2019年

3 趙永成;王繼先;張衛(wèi);李本孝;樊體強;張景源;;惡性腫瘤死亡危險分析[A];中華醫(yī)學會放射醫(yī)學與防護學分會第三次全中國青年學術交流會論文摘要匯編[C];2001年

相關博士學位論文 前7條

1 魏海峰;二維光散射靜態(tài)細胞術及放射組學在小細胞肺癌中的應用[D];山東大學;2018年

2 李靖;能譜CT及其放射組學模型術前預測胃癌淋巴結轉移的價值[D];鄭州大學;2019年

3 楊秋安;分子靶向聯(lián)合放射治療頭頸部鱗癌的實驗研究[D];山東大學;2009年

4 周蓉蓉;E1A基因?qū)Ρ茄拾┓派湓雒糇饔眉皺C制研究[D];中南大學;2010年

5 洪繼東;高壓氧對鼻咽癌放射敏感性的影響及其作用機制的研究[D];中南大學;2010年

6 張巧麗;扶正增效方對肺癌放射增敏的分子機制研究[D];北京中醫(yī)藥大學;2013年

7 楊濱;卡培他濱與放射線照射聯(lián)合治療子宮頸腺癌的效果與機制探討[D];中國醫(yī)科大學;2007年

相關碩士學位論文 前10條

1 姚皓月;基于放射組學預測肺腺癌EGFR基因突變狀態(tài)的研究[D];河北醫(yī)科大學;2019年

2 沈珊珊;CT放射組學及云平臺在孤立肺結節(jié)鑒別診斷中的應用[D];重慶醫(yī)科大學;2019年

3 盧曉倩;CT放射組學特征預測周圍型肺腺癌EGFR基因突變研究[D];吉林大學;2019年

4 潘峰;應用MR放射組學預測直腸癌微衛(wèi)星不穩(wěn)定性的臨床價值的研究[D];吉林大學;2019年

5 高綏之;基于放射組學預測胰腺癌淋巴結轉移和驅(qū)動基因突變的關聯(lián)研究[D];中國人民解放軍海軍軍醫(yī)大學;2019年

6 方勝儒;基于放射組學在肺癌良惡性預測的初步研究[D];天津醫(yī)科大學;2018年

7 沈劉海;放射組學特征-淋巴結的CT圖像和~(18)F-FDG PET圖像間聯(lián)系的粗淺探討[D];安徽醫(yī)科大學;2019年

8 郭鈺;放射組學在結直腸癌淋巴結轉移的價值初探[D];吉林大學;2019年

9 陳浩;基于MR-T2WI放射組學預測直腸癌淋巴結轉移的研究[D];湖南師范大學;2018年

10 牟勝男;放射組學預測T3期直腸癌復發(fā)轉移的價值初探[D];吉林大學;2018年

本文編號：2608240