论文部分内容阅读
胶质母细胞瘤（Glioblastoma,GBM）是成年人最常见的原发性恶性肿瘤,几乎是致命的,中位生存时间约为12-14个月。建立一个有助于GBM患者治疗决策和疾病管理的生存预测模型是十分有必要的。磁共振成像（Magnetic Resonance Imaging,MRI）作为GBM的无创性术前常规检查,可以全面、宏观地显示整个肿瘤,并提供肿瘤的精细特征,包括肿瘤的位置、形状、大小和异质性,MRI技术在预测GBM患者生存率方面有很大潜力。最近,影像组学领域被引入,以从MRI中提取高通量定量成像特征,将特征转换为可获得的数据,并建立一个连接图像特征和肿瘤表型的预测或预后模型。人们普遍认为,多模态MRI可以提高生存分层的诊断效率和性能,此外,GBM的异质性反映在它通常包含不同的异质性亚区（如水肿、强化和非增强核心）;这种固有的异质性也反映在其成像表型中,因为其亚区由多模态MRI扫描的不同强度分布描述,反映了肿瘤生物学的差异,这都有助于预测和预后,因此本研究将多参数MRI定义为MRI的多个模态以及MRI的多个异质性区域。在GBM的临床研究中,通常计算基准生存率来传达预后信息。最近的一项研究指出,包括总生存期（Overall survival,OS）、无进展生存期（Progression-free Survival,PFS）和疾病特异性生存期（Disease Free Survival,DSS）在内的三个生存终点可以有效地用于GBM的研究。不同的纹理特征被发现与不同生存期之间相关联,此外,从MRI中获得的影像学特征的可靠性在很大程度上取决于图像的边缘信息,因此结合更多的边缘纹理特征或许能提高GBM患者的生存预测预后效果。然而,提取的候选特征数据集包含大量变量并且容易过拟合,因此特征选择对于构建可泛化的影像组学预测模型变得十分重要。本研究的目的是开发和验证基于多参数MRI的影像组学模型,用于GBM患者多种生存期的预测研究。主要研究内容如下:（1）GBM影像组学模型构建与分析:现有研究虽然探讨了GBM患者的生存时间,但大多集中在总生存期上,且缺乏对多模态和多区域特征的进一步探究,本文提出了构建基于多参数MRI的胶质瘤患者多种生存期的预测模型。为了探讨MRI内的异质性,本研究采用了TCGA数据库中134名GBM患者4个模态的MRI数据,并根据肿瘤异质特点划分了5个不同的感兴趣区域,从中提取影像学特征。为每位患者共提取5152个特征后使用LASSO（Least Absolute Shrinkage and Selection Operator）方法进行筛选,将具有非零系数的特征构建影像组学标签,结合患者的临床因子使用比例风险回归（proportional hazards model,Cox）建立生存预测模型。实验结果表明,构建的影像组学模型能够很好地区分患者的生存状态。此外,本研究发现多参数MRI中的影像特征对各个生存期模型的贡献不同。证明了基于多参数MRI的胶质瘤患者多种生存期的预测模型对于胶质瘤患者的个性化和精准医疗提供了应用价值。（2）基于多尺度DoG纹理特征的影像组学研究:在本研究构建的影像组学生存预测模型中,发现高斯拉普拉斯（Laplacian of Gaussian,LoG）特征是关键影像特征之一。基于此结果,本研究提出了LoG的改进——高斯差分（Difference of Gaussian,DoG）滤波器对MRI图像进行处理,从中提取多尺度DoG纹理特征,进一步构建包含DoG特征的生存预测模型并与之前的模型进行对比。本研究的实验结果表明,多尺度DoG特征是基于LoG特征的补充,包含了更多细致的边缘纹理,增强了图像的纹理特征,加入多尺度DoG纹理特征能够更有效地区分患者的生存状态,这对于GBM患者生存研究具有重要意义。（3）LightGBM特征选择及生存预测:针对传统影像组学特征选择方法LASSO可能会产生的计算复杂度较大以及过拟合等问题,本研究使用集成学习中的LightGBM（LightGradient Boosting Machine）算法对特征进行筛选和降维,构建生存预测模型,并加入贝叶斯优化来对模型调参。研究结果表明,与LASSO-Cox模型在胶质瘤患者生存预测上的表现相比,基于LightGBM建立的生存预测模型具有更高的预测精度和更快的计算速度,证明了LightGBM算法在GBM患者生存预测模型构建上的可用性和有效性。综上所述,本论文基于多模态和多区域的多参数MRI提取影像学特征,构建用于胶质母细胞瘤患者多种生存期的影像组学模型,所提出的模型在三个生存指标上均具有良好的预测效果。此外,本研究在原有特征的基础上加入对图像进行DoG滤波后的多尺度纹理特征,提高了模型的准确性。同时结合LightGBM算法进一步提高了模型精度并降低了模型的过拟合,这有助于GBM患者的临床决策和个体化评估,最终可以帮助医生为胶质瘤患者提供更精准的个性化治疗。