【摘 要】
：
目的:肝细胞癌（hepatocellular carcinoma,HCC）微血管侵犯（microvascular invasion,MVI）的术前预测对HCC患者制定合适的治疗方案、减少复发率和提高生存率至关重要。本研究的目的是探讨多序列MRI影像的瘤内瘤周影像组学预测肝癌MVI的价值。材料和方法:从2014年6月至2020年3月,共有106例经病理证实的HCC患者被纳入这项回顾性研究。其中有52
论文部分内容阅读
目的:肝细胞癌（hepatocellular carcinoma,HCC）微血管侵犯（microvascular invasion,MVI）的术前预测对HCC患者制定合适的治疗方案、减少复发率和提高生存率至关重要。本研究的目的是探讨多序列MRI影像的瘤内瘤周影像组学预测肝癌MVI的价值。材料和方法:从2014年6月至2020年3月,共有106例经病理证实的HCC患者被纳入这项回顾性研究。其中有52名MVI阳性患者和54名MVI阴性的患者。实验共分为两个阶段,分别对应文章中第三章和第四章的内容。第三章对应的研究方法是从四个不同的MRI序列（T1正相位[T1＿in]、T1动脉相位[T1＿A]、T2加权[T2WI]、弥散加权[DWI]）中分别提取肿瘤内部和肿瘤周围区域的影像组学特征,用最小绝对收缩和选择算子（least absolute shrinkage and selection operator,LASSO）算法进行特征选择以减少特征冗余。最后使用四种不同分类器（随机森林、支持向量机、逻辑回归和Adaboost）对多序列融合特征进行分类建模。采用单变量logistic回归分析确定最重要的临床因素,并将其与影像组学标签（Rad＿score）相结合,建立可供临床使用的诺模图（Nomogram）。第四章对应的研究方法是基于T1＿A和T2W序列,使用基于患者-群体的聚类方法对肝脏肿瘤的异质性进行分析,并基于不同亚区、整个肿瘤区域及瘤周区域分别提取影像组学特征并融合建模,最后建立了基于双序列瘤内瘤周的融合Nomogram模型。采用受试者工作特性曲线下面积AUC,准确率accuracy,特异性specificity和敏感性sensitivity评价各模型的预测性能。结果:第三章结果显示各序列最佳模型的预测性能模型AUC:DWI训练集,测试集为0.777和0.854;T1＿in训练集,测试集为0.733,0.750;T1＿A训练集,测试集为0.738,0.688;T2W训练集,测试集为0.814,0.771。融合AFP level和Rad＿score的Nomogram在训练和验证集中产生了最佳的预测性能,训练集:（AUCs,Nomogram vs.Rad＿score vs.AFP level,0.930 vs.0.901 vs.0.732）,验证集:（AUCs,Nomogram vs.Rad＿score vs.AFP level,0.956 vs.0.923 vs.0.813）。第四章结果表明T1＿A和T2序列中瘤内边缘亚区（S1）是预测性能最高的区域,瘤内-瘤周融合影像组学模型AUC:T1＿A序列训练集,测试集为0.941和0.891;T2训练集,测试集为0.934,0.855。融合T1＿A融合模型和T2W融合模型的Nomogram在训练和验证集中产生了最佳的预测性能,其AUC在训练集和测试集上为0.952和0.940。结论:基于多序列瘤内瘤周MRI的影像组学是术前诊断HCC患者MVI有潜在价值的工具,有助于协助医生为HCC患者制定合适的治疗方案,提高HCC患者的生存率。
其他文献
目的:全世界范围内心血管疾病的发病率常年居高不下,严重危害着人类的健康。血管狭窄或堵塞是造成心血管疾病的罪魁祸首,常用的解决办法是通过血管重建或搭桥手术来重建血管。随着科技的发展,在体外已经可以利用若干技术构建出直径大于6 mm的动脉血管,并且可以用于临床应用。但小直径动脉血管（直径小于6 mm）的构建一直是个棘手的问题。本文利用脂肪干细胞的多向分化能力,结合组合模具技术与萃取技术,将不同的生长因
目的:评估胚胎的发育潜能和筛选最佳的胚胎进行最终的子宫移植是辅助生殖技术中的关键步骤。临床操作中,胚胎学家通常是通过显微镜辅助下的胚胎形态学特征的目视检查以实现胚胎的质量评估和筛选。然而,由于胚胎形态学特征的复杂性以及观测者之间和观测者内部的巨大差异,胚胎质量的人工评估往往是主观且十分耗时。因此,我们旨在提出一种基于深度学习的胚胎形态学自动评估系统。研究方法:在本研究中我们提出了一种轻量级的形态学
目的:用呼吸音检测呼吸暂停的方法在多种场合中被应用,同时也有人提出了新的呼吸暂停检测方法。目前,应用隐马尔可夫模型方法检测麻醉恢复室中的呼吸暂停是可行和有效的,因为它是通过识别呼吸音的呼吸状态检测呼吸暂停。本文的第一部分旨在证明隐马尔可夫模型在中度镇静患者呼吸暂停检测中可行性。在临床应用中,背景噪声是干扰呼吸暂停检测的重要原因,为了提高呼吸暂停检测的性能,本文第二部分实验引入深度学习神经网络,通过
目的:由于现代生活节奏加快和生活压力增大等诸多原因,阻塞性睡眠呼吸暂停综合征（Obstructive sleep apnea syndrome,OSAS）等睡眠疾病在我国呈高发趋势。有研究表明OSAS与很多心血管疾病高度相关,具有预后差、死亡率高等特点,因此对于OSAS的早期诊断、预防、早期治疗尤为关键。多导睡眠图（Polysomnography,PSG）是OSAS的诊断金标准,但PSG信号的采集
目的:通过传统方法或者深度学习方法进行建模,对心脏疾病进行分类是目前进行心脏病辅助诊断的常见方法。传统方法的关键在于人工提取特征,费时费力且效果欠佳;深度学习方法避免了人工提取特征的弊端,既可以快速有效地进行特征提取,也可以实现疾病的准确分类,被广泛应用于实际问题的解决。深度学习方法依赖于大量的数据,数据足够充分模型才能够学习到良好的特征。但心脏病种类繁多,为每一种类型都搜集足够的数据进行训练并不
目的：免疫组化（IHC）染色利用抗原与抗体特异性结合的原理,对蛋白质进行定位、定性及相对定量的研究。它是组织病理学中进行蛋白质定位的金标准,也是深入了解肾脏的生理功能、揭示肾脏的发病机制及辅助肾脏疾病诊疗等的重要手段。但IHC染色实验对实验操作与试剂质量要求严格,染色结果不稳定,这会导致无法对切片中蛋白质进行分析。苏木素伊红（HE）染色利用酸碱中和的原理,将细胞核通过苏木素染成蓝色,将细胞质通过伊
党的十八大以来，以习近平同志为核心的党中央坚定不移推进全面从严治党，要求基层党委始终保持“赶考”的清醒，切实担负起全面从严治党主体责任。当前，个别基层党委落实全面从严治党主体责任依然存在“挂帅多、出征少”“个人责任集体负、集体责任无人负”“把痕迹当政绩”“轻平时、重年底”等现象。要想解决这些问题，需要进一步研究把握当前基层党委落实全面从严治党主体责任的特点规律，建立基层党委落实全面从严治党主体责任
目的:准确描绘临床目标体积（Clinical Target Volumes,CTV）对于制定放射治疗计划至关重要。手动描绘CTV是一项非常耗时且主观的工作。近年来,基于深度学习的CTV自动描绘技术取得了很大进展。然而,潜在的肿瘤扩散组织或亚临床疾病组织无法准确分割,同时在描绘CTV切片与普通切片交界处的切片时,模型性能会显著下降。这些缺点限制了其在直肠癌放疗中的应用。在这项研究中,我们提出了一种基
目的:视网膜识别技术是目前最稳定和最安全的生物识别技术之一。与掌纹、指纹和人脸识别相比,视网膜识别技术更安全,更难伪造。由于视网膜图像采集时角度和尺度的变化导致特征识别时准确率降低,本文旨在研究和设计一种具有尺度不变性、旋转不变性的视网膜识别方法,用于身份识别。研究方法:本文针对视网膜血管分割时血管末梢不易被分割和视盘边界易被误分为血管的问题,使用基于改进的U-Net网络进行视网膜血管分割,在基础
目的:基于动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging,DCE-MRI）功能参数图瘤内及瘤周区域的影像组学特征,构建术前无创评估乳腺癌患者人表皮生长因子受体2（human epidermal growth factor receptor type 2,HER-2）和Ki-67状态的影像组学评分（radiomics