论文部分内容阅读
准确的判断肿瘤分期及评估顸后对制定个性化的治疗方案具有重要的指导意义。但匿前常用的活检及外科检查有较高的主观性、有损性及错误率，因此研究一种定量客观的诊断标准，搭建一套用计算机来辅助诊断的方法框架是非常有必要的。正电子发射断层成像（Positron Emission Tomography, PET）作为一种分子影像学技术，利用由放射性核素标记的示踪剂进行成像，能够在分子水平和细胞水平上反映肿瘤的代谢功能信息，提供肿瘤的生理学信息，在肿瘤的早期诊断、临床分期、及预后评估方面有非常重要的临床价值。 作为临床上最常用的示踪剂，18F-FDG（2-氟-2-脱氧-D-葡萄糖）可准确反映体内器官或组织的葡萄糖代谢水平，但是如果不对数据做进一步的分析，仅仅依靠图像本身是无法对肿瘤的生理学信息进行准确的评测的。而借助图像的影像组学分析，我们可以对图像进行处理和特征提取，得到有意义的量化指标，从而达到利用影像学自动实现肿瘤的辅助分期及预后评估的目的。本文围绕着正电子发射成像/计算机断层成像(Positron Emission Tomography/Computed Tomography，PET/CT)图像影像组学(Radiomics)分析中存在的问题，以临床常发宫颈癌及肺癌为切入点，进行以下几方面的研究。 (1)针对PET图像中宫颈癌肿瘤与膀胱难以区分这一困难，研究宫颈癌肿瘤的自动分割算法。首先基于肿瘤和膀胱的组织特异性，利用PET图像和对应的CT图像构建超图，通过模糊聚类的方法确定初始肿瘤区域。然后利用PET图像中肿瘤边缘和膀胱边缘的梯度场方向相反这一特点，将梯度场的信息集成到水平集的框架中，构造新的演化方程，实现肿瘤的准确分割。该算法在仿真数据集（7种模型5种噪声水平）和27组PET/CT临床数据集上测试有效。 (2)针对目前常用的SUVmax具有一定局限性的缺点，寻找并提取非冗余、高重现且具有丰富信息量的适用于临床定量诊断的新的特征参数，并根据提取的特征参数寻找合适的模型实现宫颈癌患者在分期意义上的分类，即通过PET图像实现宫颈癌患者临床分期的判断，从而辅助临床医生进行诊断并提供个性化的治疗方案。该方法在42例PET/CT临床数据集上测试有效，并在仿真数据集(5种重建参数7种噪声水平)下验证了参数的稳定性。 (3)针对单模态医学图像不能同时反映结构信息和功能信息，而现有影像组学分析又多以单模态医学图像为主这一不足，研究融合图像影像组学分析在肺癌预后评估中的意义。首先提出了一种基于改进的Pansharp模型的融合算法，更好的保留了图像的细节信息。然后根据基于梯度场信息的改进的水平集算法和基于CV模型的水平集算法提出了一种针对肺癌肿瘤的半自动联合分割算法。最后在提取PET和CT图像中的特征参数的同时构造了一系列基于融合图像的特征，寻找反映肿瘤预后的特征参数及合适的分类模型实现早期肺癌患者在三年存活率意义上的分类，并通过Kaplan-Meier曲线及log-rank检验进行生存分析。该算法在42组PET/CT临床数据集上测试有效。