目的:通過(guò)放射組學(xué)分析方法研究在計(jì)算機(jī)斷層掃描（computed tomography,CT）圖像中表現(xiàn)為亞實(shí)性磨玻璃結(jié)節(jié)（ground-glass nodules,GGNs）,鑒別該結(jié)節(jié)是屬于侵襲性肺腺癌（invasive pulmonary adenocarcinomas,IPAs）或非IPA,并結(jié)合傳統(tǒng)CT圖像定性特征與其他臨床特征,為IPA制定診斷諾模圖模型。方法:這項(xiàng)回顧性研究納入了2014年2月至2016年11月在中國(guó)醫(yī)科大學(xué)附屬第一醫(yī)院進(jìn)行手術(shù)確診的88例患者,共計(jì)100例亞實(shí)性結(jié)節(jié)（56例IPA和44例非IPA）。選取增強(qiáng)CT動(dòng)脈期圖像進(jìn)行3D結(jié)節(jié)感興趣區(qū)的分割并計(jì)算定量放射組學(xué)特征。使用邏輯回歸分析將一組常規(guī)臨床風(fēng)險(xiǎn)因素和放射醫(yī)生視覺(jué)評(píng)估的定性CT成像特征與放射學(xué)特征進(jìn)行比較。建立三種診斷模型,即使用臨床風(fēng)險(xiǎn)因素和CT定性特征的基礎(chǔ)模型,使用包含具有統(tǒng)計(jì)學(xué)意義的放射組學(xué)特征模型,以及結(jié)合所有重要特征的諾模圖模型,并根據(jù)接受者操作特性曲線（receiver operating characteristic curve,ROC）對(duì)三種模型的診斷效能分別進(jìn)行比較。對(duì)諾模圖模... 

【文章來(lái)源】：中國(guó)醫(yī)科大學(xué)遼寧省

【文章頁(yè)數(shù)】：31 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

研究對(duì)象的納入和排除流程圖（n表示患者的數(shù)量）

中國(guó)醫(yī)科大學(xué)碩士學(xué)位論文3CT掃描成像參數(shù)及流程：所有患者均使用相同的雙源CT掃描機(jī)器（SomatomDefinitionFlash，SiemensMedicalSolutions，F(xiàn)orchheim，Germany）進(jìn)行胸部增強(qiáng)CT掃描。采集參數(shù)如下：100和140kV;護(hù)理劑量4D;旋轉(zhuǎn)時(shí)間為0.5或0.28秒;探測(cè)器準(zhǔn)直，128×0.5mm;視場(chǎng)，350毫米×350毫米;和矩陣：512×512。常規(guī)非增強(qiáng)CT后，用泵注射器以2.5-3.0mL/s的速率靜脈注射70-90mL碘化造影劑10-15s后進(jìn)行動(dòng)脈期造影增強(qiáng)CT（XD2003，UlrichMedical，Ulm，Germany）。重建對(duì)比增強(qiáng)CT，結(jié)構(gòu)厚度為2mm，重建間隔為2mm，重建內(nèi)核為D33fmedsmooth。臨床危險(xiǎn)因素和醫(yī)生視覺(jué)評(píng)估的定性CT圖像特征：第一組特征是典型的臨床風(fēng)險(xiǎn)因素，包括年齡，性別，家族史和吸煙史。第二組特征是用于當(dāng)前臨床診斷的視覺(jué)評(píng)估的定性CT成像特征，包括病灶形狀，邊緣，位置，病變大小，胸膜牽拉，擴(kuò)張的細(xì)支氣管，小血管擴(kuò)張，實(shí)性成分大小和實(shí)性成分占比。從臨床報(bào)告中回顧性地提取以上風(fēng)險(xiǎn)因素和定性CT圖像特征。定量放射組學(xué)特征和放射組學(xué)模型：第三組特征是從結(jié)節(jié)中提取的數(shù)百個(gè)定量放射組學(xué)特征。首先通過(guò)放射科醫(yī)生手動(dòng)分割結(jié)節(jié)，沿著每個(gè)CT薄層圖像上的結(jié)節(jié)的邊界繪制感興趣區(qū)域（regionofinterest,ROI），直到整個(gè)結(jié)節(jié)被覆蓋，產(chǎn)生三維結(jié)節(jié)分割。使用AK軟件（Analysis-Kinetics，GEHealthcare，USA）從三維結(jié)節(jié)體積自動(dòng)計(jì)算總共396個(gè)通常報(bào)告的放射學(xué)特征（圖2）。圖2.研究中使用的定量放射學(xué)特征ROI分割的測(cè)量者內(nèi)和測(cè)量者間一致性：放射學(xué)特征是由放射科醫(yī)師在CT圖像中手動(dòng)描繪的結(jié)節(jié)ROI計(jì)算的。ROI的描述可能會(huì)存在測(cè)量者的誤差。在15名隨機(jī)選擇的患者（10名IPA和5名非IPA患者）上分析了ROI分割的讀者

中國(guó)醫(yī)科大學(xué)碩士學(xué)位論文7圖3.基礎(chǔ)模型的ROC曲線（AUC=0.853），放射性模型（AUC=0.769）和諾模圖模型（AUC=0.903）。諾模圖模型顯示，與基礎(chǔ)模型（P=0.0009）或放射組學(xué)模型（P<0.0001）相比，區(qū)分IPA與非IPA的診斷效能明顯更高。放射組學(xué)模型：測(cè)量者1和測(cè)量者2之間的放射學(xué)特征的相關(guān)系數(shù)是0.922。測(cè)量者1內(nèi)的相關(guān)系數(shù)為0.915。本研究所有分析均基于測(cè)量者1提取的特征。在396個(gè)放射學(xué)特征中，107個(gè)在單變量分析中IPA和非IPA組之間存在顯著差異。在特征去冗余之后，保留了三個(gè)特征（即，ClusterShade_angle45_offset7，sumEntropy和SphericalDisproportion）并用于構(gòu)建放射組學(xué)模型。根據(jù)三個(gè)放射學(xué)特征和相應(yīng)的邏輯回歸系數(shù)的加權(quán)組合計(jì)算的單個(gè)“整體”特征的Rad評(píng)分在IPA之間略微顯著（P=0.040）[平均Rad評(píng)分=1.037（范圍：0.326至2.587）]和非IPA[平均Rad評(píng)分=-0.536（范圍：-1.385至0.096）]區(qū)分CT圖像表現(xiàn)為GGN的IPA和非IPA（圖3）。


本文編號(hào)：3572514