论文部分内容阅读
原发性肝细胞癌是常见的恶性肿瘤之一，现己严重威胁人类的生命健康。对于肝脏小肿瘤(直径＜3cm)，临床介入治疗常采用热消融技术。其中微波消融技术以其热效率高、升温速度快、热场较均匀、凝固区坏死彻底、受血流影响因素小等特点，在肿瘤的局部治疗中显示出了较大的优势。但微波消融肝脏肿瘤的基础参考数据较为匮乏，临床治疗过程中对治疗参数的判断多依赖于医生的经验，无法保证消融温度场可适形覆盖整个肿瘤组织。因此，微波消融肝脏肿瘤的适形治疗是目前亟待解决的临床问题。本研究通过分析微波消融肝脏肿瘤中的温度场相关数据，基于机器学习的方法，通过处理大量微波消融治疗肝脏肿瘤的实验数据，针对个性化肝脏肿瘤，预测适宜的治疗参量(消融功率和消融时间)，提供科学的数据给临床医生参考。主要研究内容如下:
1.模型建立与计算:为了模拟临床治疗过程，引入经过离体实验验证的仿真模型，模拟临床治疗流程，通过设置多组不同的治疗参量作用于该模型，经过Comsol Multiphysics软件计算得出相应的消融区域。因此，关于肝脏肿瘤生成的变量有:肝脏横径、肝脏纵径、肿瘤直径，关于消融区域生成的变量有:消融直径、消融纵径、消融面积、消融体积，关于消融治疗参量生成的变量有消融功率和消融时间。
2.建立实验数据库:采用MySQL作为数据库，分析微波消融治疗肝脏肿瘤的过程，以仿真数据为基础，建立肝脏肿瘤信息表、微波消融治疗参数表、微波消融治疗结果表和肝脏肿瘤与消融治疗参数对应表。
3.建立预测模型:为提高微波消融适形治疗的准确性，给予临床治疗数据支持，采用线性回归模型、K邻近模型和多输出最小二乘支持向量回归模型三种机器学习算法预测微波消融治疗参数(功率和时间)，引入平均相对误差、平均绝对误差和均方根误差三个准确率指标，分析讨论三种算法的结果，评估三个算法模型的优劣性，选择准确率最优的算法模型。
4.建立预测系统:整合MySQL数据库为数据存储模块，三个机器学习算法模型作为数据处理模块，采用MATLAB软件编写图形界面建立自动预测系统。
研究结果显示:
1.通过设置多组不同的治疗参量共计获得66组实验数据，初步分析实验数据，可明显得出消融区域随消融功率的变化呈现相同趋势变化，说明消融区域与消融功率之间存在潜在的线性关系;消融区域同时也随消融时间的变化呈现相同趋势变化，说明消融区域与消融时间之间存在潜在的线性关系。
2.通过分析数据表之间的关系可知，肝脏肿瘤信息表与微波消融治疗参数表是多对多关系，建立肝脏肿瘤与消融治疗参数对应表;肝脏肿瘤信息表与微波消融治疗结果表是一对多关系，在微波消融治疗结果表中添加肝脏肿瘤信息表外键约束;微波消融治疗参数表与微波消融治疗结果表是一对一关系，在微波消融治疗结果表中添加微波消融治疗参数表外键约束。
3.线性回归模型预测治疗功率和时间的平均相对误差分别是:5.92％、8.75％;平均绝对误差分别是:3.08、0.73;均方根误差分别是:3.30、0.87。K邻近模型预测治疗功率和时间的平均相对误差分别是:5.80％、9.96％;平均绝对误差分别是:2.78、0.78;均方根误差分别是:3.32、0.90。多输出最小二乘支持向量回归模型预测治疗功率和时间的平均相对误差分别是:2.97％、3.19％;平均绝对误差分别是:1.44、0.28;均方根误差分别是:1.89、0.31。综合三个准确率评价指标，可知多输出最小二乘支持向量回归模型预测结果最为准确。
4.预测系统图形界面包括登录晃面、数据库面板、预测面板等功能。预测面板中的输入变量有患者的肝脏横径、肝脏纵径、肿瘤横径、目标消融区域横径、目标消融区域纵径等，输出变量有消融功率、消融时间、预计消融区域面积、预计消融区域体积。
本研究通过引入经离体实验验证的仿真模型，通过设置多组不同的治疗参量获取相应的消融结果，探讨多组治疗参量在该仿真模型的温度场分布问题。将仿真实验数据初步处理，形成数据库系统存储的结构化数据。采用线性回归模型、K邻近模型和多输出最小二乘支持向量回归模型处理仿真实验数据预测消融治疗参量。通过平均相对误差、平均绝对误差、均方根误差衡量三种模型的预测结果，得出多输出最小二乘支持向量回归模型准确率最高。
1.模型建立与计算:为了模拟临床治疗过程，引入经过离体实验验证的仿真模型，模拟临床治疗流程，通过设置多组不同的治疗参量作用于该模型，经过Comsol Multiphysics软件计算得出相应的消融区域。因此，关于肝脏肿瘤生成的变量有:肝脏横径、肝脏纵径、肿瘤直径，关于消融区域生成的变量有:消融直径、消融纵径、消融面积、消融体积，关于消融治疗参量生成的变量有消融功率和消融时间。
2.建立实验数据库:采用MySQL作为数据库，分析微波消融治疗肝脏肿瘤的过程，以仿真数据为基础，建立肝脏肿瘤信息表、微波消融治疗参数表、微波消融治疗结果表和肝脏肿瘤与消融治疗参数对应表。
3.建立预测模型:为提高微波消融适形治疗的准确性，给予临床治疗数据支持，采用线性回归模型、K邻近模型和多输出最小二乘支持向量回归模型三种机器学习算法预测微波消融治疗参数(功率和时间)，引入平均相对误差、平均绝对误差和均方根误差三个准确率指标，分析讨论三种算法的结果，评估三个算法模型的优劣性，选择准确率最优的算法模型。
4.建立预测系统:整合MySQL数据库为数据存储模块，三个机器学习算法模型作为数据处理模块，采用MATLAB软件编写图形界面建立自动预测系统。
研究结果显示:
1.通过设置多组不同的治疗参量共计获得66组实验数据，初步分析实验数据，可明显得出消融区域随消融功率的变化呈现相同趋势变化，说明消融区域与消融功率之间存在潜在的线性关系;消融区域同时也随消融时间的变化呈现相同趋势变化，说明消融区域与消融时间之间存在潜在的线性关系。
2.通过分析数据表之间的关系可知，肝脏肿瘤信息表与微波消融治疗参数表是多对多关系，建立肝脏肿瘤与消融治疗参数对应表;肝脏肿瘤信息表与微波消融治疗结果表是一对多关系，在微波消融治疗结果表中添加肝脏肿瘤信息表外键约束;微波消融治疗参数表与微波消融治疗结果表是一对一关系，在微波消融治疗结果表中添加微波消融治疗参数表外键约束。
3.线性回归模型预测治疗功率和时间的平均相对误差分别是:5.92％、8.75％;平均绝对误差分别是:3.08、0.73;均方根误差分别是:3.30、0.87。K邻近模型预测治疗功率和时间的平均相对误差分别是:5.80％、9.96％;平均绝对误差分别是:2.78、0.78;均方根误差分别是:3.32、0.90。多输出最小二乘支持向量回归模型预测治疗功率和时间的平均相对误差分别是:2.97％、3.19％;平均绝对误差分别是:1.44、0.28;均方根误差分别是:1.89、0.31。综合三个准确率评价指标，可知多输出最小二乘支持向量回归模型预测结果最为准确。
4.预测系统图形界面包括登录晃面、数据库面板、预测面板等功能。预测面板中的输入变量有患者的肝脏横径、肝脏纵径、肿瘤横径、目标消融区域横径、目标消融区域纵径等，输出变量有消融功率、消融时间、预计消融区域面积、预计消融区域体积。
本研究通过引入经离体实验验证的仿真模型，通过设置多组不同的治疗参量获取相应的消融结果，探讨多组治疗参量在该仿真模型的温度场分布问题。将仿真实验数据初步处理，形成数据库系统存储的结构化数据。采用线性回归模型、K邻近模型和多输出最小二乘支持向量回归模型处理仿真实验数据预测消融治疗参量。通过平均相对误差、平均绝对误差、均方根误差衡量三种模型的预测结果，得出多输出最小二乘支持向量回归模型准确率最高。