论文汇报讲稿2

《论文汇报讲稿2》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、字面意思就是使用定量radiomics方法通过非侵入性成像解码肿瘤表型。首先解释Radiomics是一种从放射影像图中高通量地提取图像特征的手段。在人类癌症中实体肿瘤具有空间上和时间上的异质性，可以通过医学影像非侵入性地观察。拿图1来说+【图表题】，就可以发现在肿瘤的图像、形状和瘤内纹理方面有很强的差异，这就限制了侵入性活检的使用，却给医疗影像的使用保留了巨大的潜能。但现阶段临床实践中，仅仅用一维或二维的图像描述岀的肿瘤特征通常很主观和定性。而随着肿瘤个体化治疗的发展，Radiomics影像组学应运而生。Radiomics影像组学利用自动化高通量的数据特征提

2、取算法将影像数据转化为具有高分辨率的可挖掘的影像特征数据，通过这些数据挖掘描述组织特性。有研究报道，影像组学数据可以判断组织特性、对治疗的反应，并预测患者的预后。应用影像组学数据对患者或肿瘤表型进行精确区分，可以成为对临床参数的一种有效补充。该研究的数据是+【内容】获取ct影像数据后，就要提取radiomics数据。首先由有经验的医师勾画出肿瘤区域，然后将医学数字成像和通信图像以及医学数字成像和通信勾画结构一起上传到MATLAB软件上以自动的方式提取出440个能够描述肿瘤特点的radiomics特征。特征可分为四组：（1）肿瘤强度，使用一阶统计，从所有肿瘤体

3、素强度值直方图计算肿瘤强度特征。（2）肿瘤形状，包括基于肿瘤形状的特征（例如，肿瘤的球形或致密）。（3）肿瘤纹理，在肿瘤体积内的所有三维方向上计算，由此考虑每个体素与周圉体素相比的空间位置。（4）小波特征，通过原始图像的小波分解来计算强度和纹理特征，由此将特征聚焦在肿瘤体积内的不同频率范围上。之后用这些特征进行分析，分析过程如下图，它分为训练和验证两个阶段。把1019个肺癌和头颈部肿瘤患者分成7个独立的数据集。训练阶段包括3个数据集：（1）RIDER数据集包括31名NSCLC患者，两次CT扫描相隔大约15分钟。使用这个数据集通过重测信度和观察者间设置来确定r

4、adiomics特征的稳定性。使用组内相关系数（ICC）计算每个特征的稳定性等级，其中较高的组内相关系数等级对应于更稳定的特征。（2）多重描述数据集由21名NSCLC患者组成，其中肿瘤体积由5位独立的肿瘤学家在CT/PET图上手动描绘。我们使用这个数据集通过Friedman检验来计算评估radiomics特征对于人工描绘变化的稳定性。使用组内相关系数（ICC）计算每个特征的稳定性等级，其中较高的组内相关系数等级对应于更稳定的特征。（3）Lungl数据集由422例NSCLC患者组成。我们使用这个数据集来评估radiomics特征的预后价值并建立一个radiom

5、ics标志。稳定性等级确定后，将分析的重点放在了100个最稳定的特征上，然后，从四个radiomic特征组的每一个中，选择在Lungl数据集中性能表现最好的特征组。将这四个最重要的特征组合成多变量Cox比例风险回归模型以预测病人存活即预后价值。最后建立radiomics标签°建立过程如图：StabilityRanksalrnezs.yEO一pecrTop100moststablefeaturesGroup1:Group2:TumorIntensityTumorShape345678910111213MIS~23456789101112B141$r.Hup2i

6、4567S91011121314Group3:TumorTextureGroup4:WaveletRadiomicsSignature由此产牛的radiomic签名包括Nenergy=》X(i)2（I）描述肿瘤总体密度的“统计能量”（补充方法特征1）（TT）“形状紧密度”（特征16）,量化肿瘤形状是多么紧凑,V2compactness2=367T—(III)(特征48)是肿瘤内异质性的测量RunLengthNon-Uniformity(RLN)RLN=（IV）小波“灰度不均匀性HLH”（特征组4）,也描述了在中频内分解图像后的肿瘤内异质性。验证阶段包括4个数

7、据集：为确保完全独立的验证，计算Lungl数据集上每个特征的中间阈值，然后在验证数据集（Lung2,H&N1和H&N2）中使用该阈值来分割存活曲线。（4）Lung2数据集由225例NSCLC患者组成。我们使用这个独立的数据集来验证非小细胞肺癌中的radomics特征和radiomics标志的预后价值。（5）H和71的数据集包括136例头颈部鳞状细胞癌患者。我们用这个数据集验证radiomic特征和radiomics标志对于头颈部鳞癌患者的预后价值。（6）H和7的数据集包括95头颈部鳞癌患者。我们用这个数据集验证radiomic特征和鲜明特征对于第二批头颈部鳞

8、癌患者的预后价值。（7）lung3数据集包含89的N