第一部分CT影像組學在鑒別胃神經內分泌癌和胃腺癌中的診斷研究目的:探討基于CT圖像的影像組學方法在鑒別胃神經內分泌癌(neuroendocrine carcinoma,NEC)和胃腺癌(adenocarcinoma,ADC)中的診斷價值。材料與方法:回顧性收集我院2011年8月至2018年11月經病理確診的胃神經內分泌癌患者48例和胃腺癌患者55例,均進行治療前腹部CT平掃加增強掃描,并具備完整的臨床病理資料。評估腫瘤CT主觀特征包括部位、形狀、腫瘤邊界、囊變和壞死、淋巴結轉移和肝轉移,測量腫瘤最厚徑、最長徑、三期平均CT值并計算各期強化率,以及記錄患者臨床一般資料。采用Kappa檢驗和組內相關系數(intraclass correlation coefficient,ICC)分析觀察者間圖像評估的可重復性。采用獨立樣本t檢驗(或Mann-Whitney U檢驗)比較兩組定量資料,卡方檢驗(或Fisher’s確切概率檢驗)比較兩組間定性資料,并通過Logistic回歸篩選出鑒別NEC和ADC的獨立影響因素。通過ITK-SNAP軟件手動分割全腫瘤,提取影像組學特征,通過“極端梯度上升”(Extreme Gradient Boosting,XGBoost)算法篩選組學特征并構建影像組學模型,并用十折交叉驗證得到最佳參數。另將CT影像特征均納入XGboost算法中,構建CT影像診斷模型。繪制受試者工作(receiver operating characteristic,ROC)曲線檢驗CT影像模型和影像組學模型的診斷性能,并確定曲線下面積(area under the curve,AUC)、準確度、敏感度和特異度。采用Delong檢驗比較兩種模型的診斷性能。結果:腫瘤最厚徑、腫瘤邊界及動脈-靜脈期強化率可作為鑒別NEC和ADC的獨立影響因素(P0.05)。CT影像模型中排名前三位的重要影響因素分別是動脈-靜脈期強化率(190分)、腫瘤最厚徑(174分)和腫瘤邊界(163分)。影像組學模型排名前三位的重要鑒別因素分別是P_wavelet-HLL_firstorder_Skewness(27分),PS_original_shape_Surface Volume Ratio(21分)和A_original_shape_Flatness(21分)。ROC曲線分析顯示,CT影像模型及影像組學模型的AUC值分別為0.608和0.742,準確性分別為58.06%和71.88%,敏感度分別為56.25%和72.22%,特異度分別為60.00%和71.43%�；赬GBoost算法的影像組學模型的AUC值、敏感度、特異度及準確度均比CT影像模型高,且兩者之間AUC值差異有統(tǒng)計學意義(P0.05)。結論:1.CT影像評估中,動脈-靜脈期強化率、腫瘤邊界和腫瘤最厚徑對鑒別胃NEC和ADC有一定診斷價值。2.基于CT圖像的影像組學模型在NEC和ADC的鑒別中具有重要的應用價值,且診斷性能比CT影像模型更高,有助于臨床定量診斷。第二部分CT影像組學在評估胃神經內分泌腫瘤不同病理分級中的診斷研究目的:探討基于CT圖像的影像組學方法在評估和鑒別胃神經內分泌腫瘤(gastric neuroendocrine neoplasms,NEN)不同病理分級中的診斷價值。材料與方法:回顧性收集我院2011年8月至2018年11月經病理確診且分級明確的胃NEN患者103例,均具備完整的臨床病理資料和符合診斷要求的治療前腹部CT雙期增強掃描圖像。評估腫瘤CT主觀特征包括病灶個數、腫瘤部位、腫瘤形態(tài)和淋巴結轉移狀態(tài),測量腫瘤最厚徑、最長徑、動靜脈期平均CT值,記錄患者一般臨床資料。觀察者間一致性分析采用Kappa檢驗和組內相關系數(intraclass correlation coefficient,ICC)。采用獨立樣本t檢驗(或Mann-Whitney U檢驗)比較兩組間定量資料,卡方檢驗(或Fisher’s確切概率檢驗)比較兩組間的定性資料。將CT影像特征均納入XGboost算法中進行特征篩選和CT影像診斷模型的構建。以動脈期和靜脈期圖像為基礎,在ITK-SNAP軟件上手動分割腫瘤病灶,采用XGboost回歸模型建立動脈期和靜脈期組學模型。將CT影像模型和動靜脈期組學模型中的重要影響因素均納入XGBoost回歸分析中得到聯(lián)合診斷模型。采用十倍交叉驗證選出模型的最優(yōu)參數。比較CT影像模型、動靜脈期組學模型和聯(lián)合診斷模型的性能,得到相應的準確性、均方誤差(Mean Squared Error,MSE)和平均絕對誤差(Mean Absolute Error,MAE)。采用Kruskal-Wallis檢驗比較各個模型的MSE和MAE,兩兩比較采用Bonferroni檢驗。結果:CT影像評估(病灶個數、腫瘤部位、腫瘤形態(tài)、淋巴結轉移狀態(tài)、最厚徑及最長徑)和臨床特征(年齡、性別、是否吸煙)在中低(G1/G2)級別和高級別神經內分泌腫瘤(G3)組間差異有統(tǒng)計學意義(P0.05)。CT影像模型中重要性評分大于1400分的重要影響因素分別是最長徑、腫瘤最厚徑、CTPP、腫瘤部位、年齡和淋巴結轉移。動脈期和靜脈期影像組學模型中評分大于1000分的重要影響因素分別有6個和7個。聯(lián)合診斷模型中排名前6位的重要影響因素分別是A_logarithm_glcm_Imc1、P_squareroot_glcm_Maximum Probability、最厚徑、最長徑、A_wavelet-HHL_glrlm_Gray Level Non Uniformity和P_waveletLLL_ngtdm_Contrast。CT影像模型、動脈期組學模型、靜脈期組學模型和綜合診斷模型的準確率分別為81.8%、86.0%、87.8%和91.0%;MSE分別為539.407、490.076、429.994和371.921;MAE分別為16.716、15.253、14.231和12.326。聯(lián)合診斷模型的準確性最高,MSE和MAE在三種模型中均最低,與CT影像模型的診斷性能差異具有統(tǒng)計學差異(P=0.03,P0.001)。結論:1.CT影像診斷中,病灶數目、腫瘤部位、形態(tài)、淋巴結轉移狀態(tài)、腫瘤最厚徑及最長徑在中低級別和高級別胃神經內分泌腫瘤的鑒別中具有一定意義。2.構建CT影像模型、動靜脈期影像組學模型和聯(lián)合診斷模型來鑒別不同病理級別的胃NEN,其中聯(lián)合診斷模型的診斷性能最高。
【學位單位】：鄭州大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：R735.2;R730.44
【部分圖文】：

4.3 影像組學特征提取通過美國癌癥研究協(xié)會 (American Association for Cancer Research, AACR)的影像組學軟件 Pyradiomics (Python2.1.0) 對分割后圖像進行特征提取。一個病例中每期圖像可提取 1037 個特征，其中包括 7 類組學特征，分別是“Shape”形態(tài)特征 (14)、“First Order”一階統(tǒng)計 (18)、“Gray Level Co-occurrence Matrix(GLCM)”灰度共生矩陣特征 (24)、“GrayLevelRunLengthMatrix(GLRLM)”灰度游程矩陣特征 (16)、“Gray Level Size Zone Matrix (GLSZM)”灰度區(qū)域尺寸矩陣 (16)、“Gray Level Dependence Matrix (GLDM)” 灰度相關性矩陣 (14) 和“Neighbouring Gray Tone Difference Matrix (NGTDM)” 鄰域灰度差分矩陣 (5)。在特征提取之前對圖像進行預處理：(1)“Wavelet”小波濾波，每張圖像產生8 個分解 (每個維度應用一個高通或低通濾波器)，得到濾波結果為 XLLL，XLLH，圖 1.1 胃神經內分泌癌的手動分割示意圖。 A 動脈期增強圖像，賁門部可見潰瘍型腫物，強化不均勻。B 同一層面手動勾畫圖像。C 經過逐層勾畫所得胃神經內分泌癌的 3D 模型。圖 1.1A 圖 1.1B 圖 1.1C

腫瘤邊界、最厚徑和動脈-靜脈期強化率是鑒別 NEC 和 ADC 的獨立影響因素 (見表 1.5)。表 1.5 鑒別胃神經內分泌癌與胃腺癌的 Logistic 回歸模型因素 B 值 S.E. Wald 值 P 值 OR 值(95%CI)腫瘤邊界 -1.560 .512 9.271 0.002 0.210 (0.077 ~ 0.574)最厚徑 -0.124 0.038 10.487 0.001 0.884 (0.820 ~ 0.952)動脈-靜脈期強化率 0.877 0.336 6.792 0.009 2.404 (1.243 ~ 4.648)常量 1.679 0.883 3.614 0.057 5.361注：B：回歸系數；S.E.：標準誤；Wald 值：χ２檢驗值。將臨床和 CT 影像特征納入 XGBoost 算法中，通過 GridSearchCV 獲取模型的最優(yōu)參數，最終參數調整為 max_deep=5，gamma=0.l，n_estimators=2000，reg_lambda=2，獲得 CT 影像模型，模型中各影響因素按重要性評分排序 (見圖1.2)，排名前三位的分別是動脈-靜脈期強化率 (190 分)、腫瘤最厚徑 (174 分) 和腫瘤邊界 (163 分)。

5 影像組學模型構建將組學特征納入 XGboost 算法中，得到影像組學預測模型。各影響因素按重要性評分排序，其中＞10 分的影像因素有 7 個特征 (見圖 1.3)，可作為鑒別診斷模型的最優(yōu)特征。位于前三位的是靜脈期小波變化的偏度 (27 分)、平掃期表面流明 (21 分) 和動脈期平面度 (21 分)。

【相似文獻】

相關期刊論文 前10條

1 潘靜;張治民;侯志斌;;胃多發(fā)神經內分泌腫瘤一例報告[J];青海醫(yī)藥雜志;2019年02期

2 張建偉;徐泉;蘭忠民;張水生;趙亞杰;儲云棉;任虎;王成鋒;;胃神經內分泌腫瘤的臨床診治分析[J];中國腫瘤臨床與康復;2019年01期

3 丁紹冬;張新軍;;直腸神經內分泌腫瘤相關危險因素的研究進展[J];臨床醫(yī)藥實踐;2019年01期

4 王崢;程世釗;周方;韓興鵬;盧喜科;孫大強;張遜;;肺低級別神經內分泌腫瘤的系統(tǒng)治療[J];中國肺癌雜志;2019年01期

5 閆潔瓊;崔航;李yN;;原發(fā)性肝臟神經內分泌腫瘤1例并文獻復習[J];中國實驗診斷學;2019年02期

6 朱建華;郝鳳媛;李楠;;直腸神經內分泌腫瘤內鏡下診療的臨床研究[J];中華保健醫(yī)學雜志;2019年01期

7 高偉華;向曉星;;原發(fā)性肝臟神經內分泌腫瘤最新研究[J];胃腸病學和肝病學雜志;2019年02期

8 鄭星瀘;吳秀玲;;闌尾神經內分泌腫瘤8例臨床病理特點分析[J];中國鄉(xiāng)村醫(yī)藥;2019年01期

9 林曉花;謝忠;楊子恒;歐李榮;;胃腸胰神經內分泌腫瘤的治療進展[J];臨床醫(yī)學研究與實踐;2019年07期

10 金鳳實;;腸道神經內分泌腫瘤臨床治療效果研究[J];世界最新醫(yī)學信息文摘;2019年21期

相關會議論文 前10條

1 樓文暉;;胃腸胰神經內分泌腫瘤的外科治療[A];2015“聚焦內分泌疾病的診斷與治療”國家級繼續(xù)教育學習班論文匯編[C];2015年

2 來茂德;;胃腸胰神經內分泌腫瘤-認識和問題[A];2015年浙江省醫(yī)學會病理學術年會論文匯編[C];2015年

3 孫保存;;胃腸胰神經內分泌腫瘤的診斷以及陷阱[A];2015年浙江省醫(yī)學會病理學術年會論文匯編[C];2015年

4 李景南;;胃腸胰神經內分泌腫瘤的診斷[A];第九次全國消化系統(tǒng)疾病學術會議專題報告論文集[C];2009年

5 朱朝暉;;神經內分泌腫瘤的影像學新進展[A];2012中國消化系疾病學術大會論文匯編[C];2012年

6 夏璐;;超聲內鏡在神經內分泌腫瘤的應用[A];2012中國消化系疾病學術大會論文匯編[C];2012年

7 張大昕;;晚期胃腸胰神經內分泌腫瘤治療進展[A];中國腫瘤內科進展 中國腫瘤醫(yī)師教育（2014）[C];2014年

8 錢家鳴;張茹;;胃腸胰神經內分泌腫瘤治療進展[A];中華醫(yī)學會第七次全國消化病學術會議論文匯編（上冊）[C];2007年

9 郭曉川;石燕;陳麗;韓雅琳;戴廣海;;小腸神經內分泌腫瘤/癌臨床病理分析[A];中國腫瘤內科進展 中國腫瘤醫(yī)師教育（2014）[C];2014年

10 李婷婷;錢志榮;Shuji Ogino;Matthew H.Kulke;;血管內皮生長因子在胃腸胰腺神經內分泌腫瘤中的表達及其臨床意義[A];中國腫瘤內科進展 中國腫瘤醫(yī)師教育（2014）[C];2014年

相關重要報紙文章 前10條

1 中日醫(yī)院中西醫(yī)結合腫瘤內科 譚煌英 竇豆 整理 仇玉青;神經內分泌腫瘤沒那么“惡”[N];健康報;2016年

2 于江媛;多學科協(xié)力為神經內分泌腫瘤診治開辟“綠色通道”[N];中國醫(yī)藥報;2015年

3 王建;探索神經內分泌腫瘤精準診療[N];科技日報;2015年

4 本報記者 錢峰;靶向藥物改變胃腸胰神經內分泌腫瘤診療[N];健康報;2014年

5 本報記者 李穎;究竟什么是神經內分泌腫瘤？[N];科技日報;2012年

6 本報記者 李穎;神經內分泌腫瘤,你了解多少[N];科技日報;2012年

7 本報記者 李穎;神經內分泌腫瘤隱形難見[N];科技日報;2012年

8 本報記者 朱國旺;神經內分泌腫瘤常被延誤診斷[N];中國醫(yī)藥報;2012年

9 記者 王雪飛;神經內分泌腫瘤漏診誤診多[N];健康報;2012年

10 記者 王雪飛;神經內分泌腫瘤需警惕[N];健康報;2011年

相關博士學位論文 前10條

1 吳春;胃神經內分泌腫瘤臨床病理及基因分析研究[D];南方醫(yī)科大學;2018年

2 陳曉;非胃泌素依賴型胃神經內分泌腫瘤基因組學研究及同時性結直腸癌肝轉移同期切除手術方式探討[D];北京協(xié)和醫(yī)學院;2018年

3 張海燕;依維莫司在神經內分泌腫瘤中的作用及相關調控機制研究[D];蘇州大學;2017年

4 邱偉;針對多發(fā)性內分泌腫瘤-1型中的胰腺神經內分泌腫瘤的系統(tǒng)臨床研究[D];吉林大學;2017年

5 焦學龍;胃腸胰神經內分泌腫瘤的臨床病理特征與生存分析[D];青島大學;2017年

6 徐瑩;胰腺、直腸神經內分泌腫瘤臨床特征及預后分析[D];上海交通大學;2014年

7 喬新偉;對比中、美胰腺神經內分泌腫瘤臨床病理特點的異同探索診斷和預后判斷的標志物[D];北京協(xié)和醫(yī)學院;2015年

8 周波;胰腺神經內分泌腫瘤的臨床病理特征及預后分析的研究[D];浙江大學;2016年

9 爾麗綿;IMP3對胃腸胰神經內分泌腫瘤增殖侵襲影響及機制研究[D];河北醫(yī)科大學;2016年

10 高岑;CD147在胃腸胰神經內分泌腫瘤中的表達模式及其影響機制初探[D];北京協(xié)和醫(yī)學院;2017年

相關碩士學位論文 前10條

1 李遠良;嗜鉻粒蛋白A及嗜鉻粒蛋白B在晚期神經內分泌腫瘤的應用[D];北京中醫(yī)藥大學;2019年

2 邱旭東;中藥聯(lián)合生長抑素類似物治療晚期胃腸胰神經內分泌腫瘤的相關研究[D];北京中醫(yī)藥大學;2019年

3 王睿;CT影像組學在胃神經內分泌腫瘤中的診斷研究[D];鄭州大學;2019年

4 鄭夢真;胰腺神經內分泌腫瘤的診治分析及預后研究[D];鄭州大學;2019年

5 王照地;183例胃神經內分泌腫瘤的臨床病理特征及預后分析[D];鄭州大學;2019年

6 李甜甜;胃神經內分泌腫瘤的臨床分析[D];鄭州大學;2019年

7 李珠銀;胰腺神經內分泌腫瘤的臨床診治分析[D];鄭州大學;2019年

8 姚佳圓;47例十二指腸神經內分泌腫瘤的臨床病理特征及預后分析[D];鄭州大學;2019年

9 王瓊;33例消化系統(tǒng)神經內分泌腫瘤患者臨床病理特征及預后分析[D];廣西醫(yī)科大學;2013年

10 司文龍;胃腸道神經內分泌腫瘤的臨床特征及預后分析[D];大連醫(yī)科大學;2018年

本文編號：2810239