论文部分内容阅读
不同的非小型细胞肺癌肿瘤组织类型具有明显不同的癌基因突变和不同的治疗反应,因此肿瘤组织亚型的确定对患者选择最合适的治疗方案有重要影响。从病人的PET-CT图像中充分挖掘出肿瘤的影像组学信息并运用这些信息准确的对肿瘤的组织类型进行判断,可以协助医生制定治疗方法以及减轻病人所承受的痛苦。挖掘医疗图像中的信息辅助医生进行工作的这种方式是热门研究,但还存在一些问题。一方面是影像组学特征的不稳定性问题,以及由他引起的大量的特征利用不充分的问题;另一方面是大多数研究只对腺癌和鳞状细胞癌进行分类忽略了其他肿瘤组织类型。针对以上问题,本文提出了PET-CT影像组学特征自动分组并建立集成模型。首先对非小细胞肺癌肿瘤组织类型的腺癌和鳞状细胞癌进行分类,随后对腺癌、鳞状细胞癌以及其他肿瘤组织的肿瘤组织类型进行分类。研究内容包含以下两个部分。第一部分的研究内容是对腺癌和鳞状细胞癌进行预测,解决了影像组学特征的不稳定性以及特征利用不充分的问题。实验中采用整合PET-CT影像组学特征进行特征成对随机分组并建立集成模型的方法,解决了PET影像组学特征的贡献远高于CT影像组学特征的困扰,同时解决了传统方法中特征利用不充分的问题。最终实验结果的精度为0.72,AUC为0.69。相比于挑选特征方法在精确度上提高了0.02,AUC提高0.04。第二部分的研究内容是对腺癌、鳞状细胞癌及其他非小肺癌肿瘤的肿瘤组织类型进行预测,一定程度上解决了除腺癌和鳞状细胞癌以外的其他肿瘤组织类型被忽略的问题。肿瘤组织类型三分类延用了二分类中的集成方法。同时,三分类实验中还会用到随机森林模型对特征进行排序特征处理来对比贡献率低的特征对实验结果产生的影响。实验所得最好结果的精度为0.48,标准差为0.05。召回率为0.59,标准差为0.03。本文的研究表明,从PET-CT图像中提取的肺肿瘤的定量放射影像学特征与肺腺癌和鳞状细胞癌及的其他非小细胞肺癌肿瘤组织类型亚型有关。PET-CT影像组学特征可用于病理诊断前的组织学亚型分类。