论文部分内容阅读
恶性肿瘤的早期诊断及其治疗效果评估，对于辅助医生制定有效治疗方案，提高患者生存时间以及生存质量具有重要的临床意义。然而恶性肿瘤往往具有空间异质性，这种异质性特点导致其预后效果较差。计算机断层成像(Computed Tomography,CT)作为一种结构成像技术，可以提供恶性肿瘤的空间异质性信息。准确衡量恶性肿瘤CT影像的异质性能够为其早期诊断及治疗效果评估提供关键信息。 近年来，新兴的影像组学技术为恶性肿瘤的病理分型、临床分期、治疗效果评估等临床问题，提供了一种非侵入式的解决方案。它从临床影像数据中提取反映空间异质性的高通量定量影像特征，通过建立影像特征与临床信息之间的分类模型，辅助临床医生进行临床决策。相比传统的侵入式手段（活检、手术），影像组学技术可以更全面的解析恶性肿瘤的异质性，并且可以避免穿刺活检时给患者带来侵入式创伤。本文围绕计算机断层成像影像组学分析中存在的问题，以发病率和死亡率最高的肺癌为切入点，进行了以下几个方面的研究。 (1)针对基于影像组学的疗效评估，需要首先解决治疗前后两个序列之间的空间位置对齐这一问题，本论文提出了一种基于高斯混合模型点集的大角度差异快速匹配算法。该算法首先使用并行加速多维尺度不变特征提取算法快速提取图像的特征点集。然后使用并行优化高斯混合模型点集匹配算法实现特征点集的配准。实验结果表明该算法将特征点的提取速度提高了200倍以上，并且提高了大角度差异图像的配准精度。 (2)针对目前恶性肿瘤病理诊断主要依赖的活检标本病理检验有创性这一缺点，本论文提出了利用影像组学手段通过非侵入式的CT图像实现恶性肿瘤病理的诊断。该算法对恶性肺结节提取并寻找了具有丰富信息量的定量纹理特征，并根据这些特征参数建立合适的分类模型实现肺癌患者鳞癌腺癌的病理类型预测。实验结果表明该分类模型在临床数据集上取得了很好的预测结果（准确率=81.5％，AUC=0.91），为临床病理诊断提供了一种无创途径。 (3)针对目前肿瘤的基因突变诊断主要依赖的活检标本病理检验有创性这一缺点，本论文提出了利用影像组学手段通过非侵入式的CT图像实现对非小细胞肺癌进行EGFR基因突变预测。该算法对恶性肺结节提取并寻找了具有丰富信息量的纹理特征和深度学习特征，并根据这些特征建立肺癌EGFR基因突变预测模型。实验结果表明该预测模型在训练集上取得了很好的效果(准确率=77.27％，AUC=0.83)，并且在独立验证集上也有很好的泛化性能(准确率=75.00％，AUC=0.76)，比Moffitt癌症研究所Gillies教授等人2016年发表在Radiology上的预测模型AUC值提高了8％以上。