论文部分内容阅读
影像辅助诊断已经成为癌症临床实践和研究中一种行之有效的工具。借助于目前多样化的医学影像采集方法,从传统的X射线到现在最新的高分辨率多模态成像技术,影像能够提供的诊断信息越来越丰富,其反映出的肿瘤异质性越来越详细,从而能够表达出更为细微的肿瘤发生、生长、复发等信息。新兴的定量化影像表型特征分析技术从海量的医学影像中提取高通量表型特征,结合临床医生诊断经验与工科学习方法,进而构建一套面向临床问题的科学化、定量化、大数据化的临床辅助分析体系。基于定量化影像特征的统计分析能够提供比传统影像学分析更为实时可靠的临床辅助诊断。非小细胞肺癌己成为近年来威胁人类健康的重大癌症之一。其发病率与致死率处于逐年上升的趋势。临床实践中,非小细胞肺癌治疗需要采用组织穿刺活检来予以确诊,然而该方法需要提取癌症样本,属有创治疗范畴;而且传统的治疗方式并未实现量化病人个体差异再予以针对性的诊疗。采用定量化CT图像特征的统计分析方法则能够弥补这一缺失。通过海量既往影像病例的学习分析,该方法能够以无创的方式对患者的病理及生存预后等临床问题进行准确地预测,并针对特定临床患者群体进行危险分层,结合病人的自身情况实现个体化的精准诊疗。本文正是在这样的背景下开展了非小细胞肺癌CT影像的定量化表型特征分析及预后研究。围绕非小细胞肺癌CT影像病灶自动分割,CT影像高维表型特征库构建,分析其表型特征与非小细胞肺癌病理分型与生存预后的潜在关系。最后,本文立足于临床实际需求:四期EGFR突变型非小细胞肺癌行TKI靶向治疗后耐药时间是否可以进行个体化预测这一问题展开多中心回顾性分析研究,并从多方面证明了本研究提出的方法的实用性与有效性。本文的工作主要包括如下几个方面:第一,提出了一种基于改进Toboggan方法的CT影像肺部病灶自动检测与分割算法。通过改进的Toboggan方法对CT影像病灶的实现自动搜索,将肺部实质与血管等其他肺部组织自动剔除,并高度保留CT影像中肺部病灶区域。以自动提取的肺部病灶为基础,采用改进的三维区域生长算法对整个肺部病灶进行自动分割。现有的肺部病灶分割算法虽然能够对CT影像肺部病灶进行分割,但是普遍需要人工的交互,借助于人工参与的分割并不能实现临床实时有效的对病灶进行分析。此外,现有的肺部病灶区域分割算法,如水平集方法、传统的区域生长算法和图割方法并不能得到准确的肺部病灶分割结果。且对于磨玻璃影病灶,传统方法的识别与分割结果更加不理想。本算法借助了 Toboggan方法自动搜索图像感兴趣区域的优势,结合肺部病灶与肺实质部分灰度差异明显的特点,改进了传统的区域生长算法,并提出了多约束的肺部病灶生长思路。同时,算法采用特定的识别方法,对CT影像上实性结节与磨玻璃影结节进行自动的区别分割,对不同类型的结节都能够给出良好的分割结果。结果表明,本方法能精确定位病灶区域,误差小,分割速度比传统方法提高了十倍以上。第二,提出了一种符合非小细胞肺癌CT影像表观特性的高通量表型特征集合,包括纹理、小波等高维语义特征以及毛刺、边缘等临床经验特征基于量化的表型特征,本文提出了一套非小细胞肺癌病人的临床病理与生存预后预测方法。本方法基于前一部分自动的肺部病灶分割结果,融合了前人的研究基础,提出了一整套符合非小细胞肺癌表观特性的定量化表型特征集。其中包含了病灶的CT影像一阶统计特征、纹理特征、Gabor特征与小波特征等共计726个表型特征。采用支持向量机(Suppprt Vector Mechine,SVM)方法学习1000余例非小细胞肺癌病人的病理、TNM分期和生存预后数据,并分别对验证集上的病理分型、TNM分期以及生存预后给出了准确的预测判断。结果证明基于定量化影像特征分析的学习方法能够对非小细胞肺癌病理与预后给出准确的分析,该方法能够辅助临床医生对病人的情况进行临床预测,指导临床决策。第三,构建了一种四期EGFR突变型非小细胞肺癌病人行TKI靶向药物的耐药时间预测分析体系。基于多中心治疗前CT影像分析,该方法提出了一个影像学预后标签,能够对晚期EGFR突变型非小细胞肺癌病人行TKI靶向药物治疗后进展予以危险分层;基于该标签,结合临床预后因子,本文提出了个体化TKI靶向药物耐药时间分析的临床预测模型。该方法不仅能够对四期EGFR突变型非小细胞肺癌行TKI靶向药进行疗效评价,而且能够对TKI靶向药物的临床使用进行规范化的建议。