背景:前列腺癌好發(fā)于60歲以上人群,居全球男性癌癥發(fā)病率第2位[1]。在歐美國家前列腺癌（prostate cancer,PCa）發(fā)病率常年位居男性惡性腫瘤第一位[2]。雖中國前列腺癌發(fā)病率遠低于歐美國家,但近年來呈逐年上升趨勢。前列腺增生是我國中老年男性的好發(fā)疾病,隨年齡增長,發(fā)病率逐漸增加。前列腺癌多發(fā)生于前列腺外周帶,良性前列腺增生主要發(fā)生于移行帶,但大量臨床病例發(fā)現(xiàn),發(fā)生于移行帶的前列腺癌并不少見,且兩者有時影像檢查鑒別困難。前列腺癌的危險度是影響患者治療方式和預后的重要因素,中低危的前列腺癌惡性程度相對較低,腫瘤生長相對緩慢,病人的預后及生存時間相對較長,臨床上對于中低危的前列腺癌可以采取觀察等待與主動檢測。對于高危前列腺癌由于惡性程度相對較高,患者預后及生存時間相對較短,臨床上多采取激進的治療方式（放療或根治性切除術）[3]。在臨床中穿刺活檢是目前術前診斷前列腺癌及評估前列腺癌危險度的“金標準”,但穿刺活檢作為一種有創(chuàng)檢查,會引發(fā)各種并發(fā)癥。因此臨床需要一種準確的非侵入性診斷方法來診斷前列腺癌并對前列腺癌的危險度進行評估,以降低對病人的傷害,并提高患者依從性。紋理分析（te... 

【文章來源】：河南大學河南省

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

T2WI-fs橫軸位ROI區(qū)域

第一部分機器學習模型對移行帶前列腺癌的診斷價值7圖1-1T2WI-fs橫軸位ROI區(qū)域1.5紋理特征提取與降維1.5.1紋理特征的提取本研究中紋理提取過程使用的軟件是MaZda，如下圖1-2所示，啟動圖像直方圖、共生矩陣、游程矩陣、絕對梯度、小波轉化及自回歸模型選項，步長（d=1、2、3、4、5），對每個患者的T2WI序列及ADC序列分別進行紋理特征的提取，每個ROI區(qū)域可提取281個紋理參數(shù)。具體提取的紋理參數(shù)及分類見表1-2。最終紋理提取后可得到3個數(shù)據(jù)集即T2WI數(shù)據(jù)集、ADC數(shù)據(jù)集及總數(shù)據(jù)集(T2WI數(shù)據(jù)集+ADC數(shù)據(jù)集)。圖1-2MaZda中紋理參數(shù)選項

A基于ADC序列各機器學習模型ROC曲線

【參考文獻】：
期刊論文
[1]MRI紋理分析在識別前列腺導管內癌成分中的價值[J]. 楚蕾,斯藝,劉榮波.  四川大學學報(醫(yī)學版). 2020(01)
[2]基于磁共振擴散加權圖像的諾模圖在前列腺癌與前列腺增生鑒別診斷中的應用及其診斷PI-RADS 4分中前列腺癌的可行性[J]. 陳麗華,劉愛連,郭妍,李昕,郭丹,宋清偉,魏強.  中國臨床醫(yī)學影像雜志. 2019(12)
[3]MRI紋理分析評價前列腺癌Gleason評分7分腫瘤異質性的初步研究[J]. 張宏江,畢國力,李洪亮,陳瑜暉,李陽麗,袁會梅,吳昆華.  實用放射學雜志. 2019 (11)
[4]基于多參數(shù)MRI及影像組學建立機器學習模型診斷臨床顯著性前列腺癌[J]. 彭濤,肖建明,張仕慧,蒲冰潔,高月琴,牛翔科,王宗勇,曾小輝,楊進,李佽.  中國醫(yī)學影像技術. 2019(10)
[5]基于ADC圖的紋理分析在低、高級別前列腺癌診斷中的價值[J]. 范嬋媛,閔祥德,Li Quibai,方俊華,方志華,張配配,馮朝燕,游慧娟,王良.  中華放射學雜志. 2019 (10)
[6]磁共振T2WI紋理分析在前列腺癌診斷中的臨床價值[J]. 胡高峰,江小華,邢杰,朱劍鋒.  中華內分泌外科雜志. 2019 (04)
[7]磁共振紋理分析技術在評估前列腺癌侵襲性中的應用價值[J]. 肖雅楠,邵園,舒震宇.  醫(yī)學影像學雜志. 2019(07)
[8]MR圖像紋理特征融合診斷前列腺癌[J]. 韓勇森,韓寶三,孫京文,宋成利,閆士舉.  中國醫(yī)學影像技術. 2019(05)
[9]MRI紋理分析對前列腺癌及Gleason分級的診斷價值[J]. 張瀝,張鑫,王睿,宦怡,李隴超.  國際醫(yī)學放射學雜志. 2019(03)
[10]MR-T2WI紋理分析在前列腺癌診斷中初步應用[J]. 許崗,趙文露,李夢娟,張躍,袁振洲,姚立正,沈鈞康.  醫(yī)學影像學雜志. 2019(03)

碩士論文
[1]基于DCE-MRI的影像組學聯(lián)合機器學習預測前列腺癌的侵襲性[D]. 劉博.重慶醫(yī)科大學 2019
[2]雙參數(shù)磁共振紋理分析對高級別前列腺癌的預測價值[D]. 熊慧.重慶醫(yī)科大學 2019
[3]基于MRI圖像的放射組學機器學習分類前列腺癌Gleason評分的初步研究[D]. 王欣如.中國醫(yī)科大學 2019
[4]基于T2WI序列的紋理分析在鑒別肝細胞癌分化程度的應用研究[D]. 黃偉康.南方醫(yī)科大學 2018
[5]樸素貝葉斯算法的改進與應用[D]. 馬剛.安徽大學 2018
[6]多參數(shù)磁共振成像在前列腺癌診斷方面的放射組學初步研究[D]. 孫陽.中國醫(yī)科大學 2018
[7]基于機器學習方法的腦膠質瘤影像分級研究[D]. 魯宗豪.鄭州大學 2017
[8]基于小波變換的圖像特征提取方法研究[D]. 孫洪飛.南京郵電大學 2015
[9]基于AFS理論的模糊分類器設計[D]. 陳誠.大連理工大學 2009
[10]支持向量機理論、算法與實現(xiàn)[D]. 辛憲會.中國人民解放軍信息工程大學 2005



本文編號：3488981