• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      PET/MRI影像組學(xué)特征預(yù)測(cè)肺腺癌與肺鱗癌病理分型價(jià)值

      2022-05-05 05:28:10唐新梁江濤向柏林王玫牛家玲王曉玲丁忠祥
      浙江醫(yī)學(xué) 2022年6期
      關(guān)鍵詞:組學(xué)鱗癌腺癌

      唐新 梁江濤 向柏林 王玫 牛家玲 王曉玲 丁忠祥

      2020年全球新發(fā)癌癥病例1 929萬(wàn)例,其中肺癌占220萬(wàn)(11.4%);全球癌癥死亡病例996萬(wàn)例,其中肺癌約180萬(wàn)(18.0%),肺癌已成為第二大常見癌癥和癌癥患者死亡的主要原因[1-2]。近年來(lái),影像學(xué)、分子生物學(xué)、臨床等多學(xué)科的協(xié)同合作使肺癌的診治水平得到了進(jìn)一步提升,但是目前肺癌的診斷和治療仍主要依賴影像醫(yī)師和臨床醫(yī)師的主觀經(jīng)驗(yàn),對(duì)影像檢查所產(chǎn)生的數(shù)據(jù)信息缺乏系統(tǒng)分析。穿刺活檢是診斷肺癌的金標(biāo)準(zhǔn),但其具有侵入性、不可重復(fù)性,有潛在并發(fā)癥發(fā)生風(fēng)險(xiǎn),而影像組學(xué)的無(wú)創(chuàng)性及可重復(fù)性為腫瘤的診治帶來(lái)了新的希望及方向。影像組學(xué)是采用自動(dòng)化數(shù)據(jù)特征化算法將醫(yī)學(xué)影像轉(zhuǎn)化為具有高分辨率的、可挖掘的特征空間數(shù)據(jù),量化病灶形態(tài)學(xué)特征及內(nèi)部的異質(zhì)性,從而獲得大量人眼無(wú)法察覺的量化影像特征[3]。近年來(lái)已有許多學(xué)者對(duì)肺癌作出了一系列影像組學(xué)研究,甄濤等[4]發(fā)現(xiàn)基于胸部CT Rad-score、圖像語(yǔ)義特征及臨床特征資料建立的聯(lián)合模型所得到的列線圖,可預(yù)測(cè)非小細(xì)胞肺癌(non-small cell lung cancer,NSCLC)EGFR基因突變,并且腺癌、鱗癌的部分影像組學(xué)特征反映的腫瘤異質(zhì)性有望為病理診斷提供一種高效、無(wú)創(chuàng)的檢測(cè)方法。沙雪等[5]研究基于治療前氟代脫氧葡萄糖(18F-fludeoxyglucose,18F-FDG)PET/CT影像建立模型能預(yù)測(cè)NSCLC病理亞型。但是CT及PET/CT輻射劑量高,且對(duì)軟組織分辨率不及MRI,而PET/MRI結(jié)合了 PET的腫瘤組織代謝信息和MRI的腫瘤組織功能信息,可能對(duì)肺癌病理分型有更大的預(yù)測(cè)價(jià)值。因此,筆者采用PET/MRI影像組學(xué)方法,尋找肺腺癌與肺鱗癌病理分型的影像學(xué)定量新參數(shù),構(gòu)建預(yù)測(cè)模型,并探討該技術(shù)在無(wú)創(chuàng)性預(yù)測(cè)肺腺癌與肺鱗癌病理分型中的價(jià)值,現(xiàn)報(bào)道如下。

      1 對(duì)象和方法

      1.1 對(duì)象 回顧2018年10月至2020年12月杭州市全景影像中心初次確診進(jìn)行PET/MRI動(dòng)態(tài)增強(qiáng)檢查,且經(jīng)手術(shù)或穿刺檢查證實(shí)為肺腺癌或肺鱗癌患者53例,男40例,女13例,年齡23~80歲,中位年齡53歲;其中肺腺癌36例,肺鱗癌17例。納入標(biāo)準(zhǔn):(1)患者均在治療前行PET/MRI檢查,并經(jīng)病理檢查證實(shí)為腺癌或鱗癌;(2)未進(jìn)行任何化療或放療及手術(shù)治療;(3)可獲得治療前全身和胸部肺癌病灶顯影清晰的 PET/MRI圖像;(4)注射對(duì)比劑后40~60 min即行PET/MRI檢查者。排除標(biāo)準(zhǔn):(1)PET或MRI圖像不符合診斷標(biāo)準(zhǔn)者(如:有明顯金屬或運(yùn)動(dòng)偽影、小腫瘤及磨玻璃結(jié)節(jié)顯像不清等);(2)有MRI檢查禁忌證或不能耐受檢查者;(3)有胸部其他惡性腫瘤病史或伴發(fā)其他系統(tǒng)惡性腫瘤的患者;(4)患者在PET/MR檢查前接受過任何形式治療(如放療、化療等);(5)經(jīng)病理檢查證實(shí)為腺癌及鱗癌以外的組織學(xué)病理類型。本研究經(jīng)杭州市全景影像中心醫(yī)學(xué)倫理委員會(huì)批準(zhǔn)(科研醫(yī)倫審第2021-008號(hào)),所有患者均簽署知情同意書。

      1.2 儀器 使用美國(guó)GE公司一體化TOF PET/MRI采集影像數(shù)據(jù)。該系統(tǒng)由具有TOF技術(shù)的PET探測(cè)器(TOF-PET)與最新一代750 W 3.0T磁共振儀組成。TOF-PET探測(cè)器由最先進(jìn)固相陣列式光電轉(zhuǎn)化器(SiPM)和新一代LBS晶體構(gòu)成。橫向FOV:60 cm,軸向FOV:25 cm,橫向分辨率(距離中心1 cm):4.2 mm,軸向分辨率(距離中心1 cm):5.8 mm,時(shí)間分辨率385 ps,能量分辨率11%,靈敏度21 cps/kBq,最薄采集層厚:2.8 mm,實(shí)現(xiàn)PET與MRI同步掃描。對(duì)比劑采用18F-FDG,由南京江源安迪科正電子研究發(fā)展有限公司及上海原子科興藥業(yè)有限公司提供,放射化學(xué)純度≥95%。

      1.3 方法 患者禁食6 h以上,注射18F-FDG前血糖濃度控制于7.8 mmol/L以下。患者按3.7 Mbq/kg注射18F-FDG,40 min后行全身PET/MRI顯像?;颊呷⊙雠P位,掃描范圍:頭頂?shù)焦晒侵卸?,必要時(shí)加掃至足底。MRI序列包括:軸位 LAVA-Flex T1、fs-PROPELLER T2、DWI(b=800 s/mm2),冠狀位 fs-PROPELLER T2,注射對(duì)比劑后增強(qiáng)掃描軸位(T1WI)和冠狀位(T1WI),層厚5 mm,層間距 1.0 mm,F(xiàn)OV 40.0 mm,檢查時(shí)間30 min,呼吸門控采集。同時(shí)3D模式下采集PET圖像,重建方法為有序子集最大期望值法(OSEM),應(yīng)用TOF信息重建及點(diǎn)擴(kuò)散函數(shù)(PSF)校正,再根據(jù)呼吸頻率調(diào)整觸發(fā)時(shí)間,最后得到全身和局部的 PET、MRI及PET/MRI融合圖像。本研究選擇胸部局部軸位T2WI和PET作為放射組學(xué)特征提取序列[6-7]。

      1.4 影像組學(xué)數(shù)據(jù)處理 應(yīng)用聯(lián)影uAI Research Portal軟件對(duì)病灶的感興趣區(qū)(region of interest,ROI)進(jìn)行影像組學(xué)分析[8-10]。影像組學(xué)的工作流程主要包括以下幾個(gè)步驟:圖像分割、特征提取、特征選擇、機(jī)器學(xué)習(xí)建模。

      1.4.1 圖像分割 將DICOM格式的胸部PET及MRI圖像導(dǎo)入ITK-SNAP軟件,使用ITK-SNAP軟件于PET和MRI軸位圖像上對(duì)患者ROI進(jìn)行勾畫,沿著肺癌原發(fā)灶邊緣進(jìn)行手動(dòng)勾畫,排除鄰近正常組織及淋巴結(jié),將PET圖像和MRI圖像的分割邊界相重合,最后將從PET和MRI圖像中分別獲得的三維分割圖像結(jié)果依次導(dǎo)出原圖及相應(yīng)的ROI圖(圖1)。將分割結(jié)果保存為nii圖像文件,所有圖像均由2位具有多年胸部PET/MRI診斷經(jīng)驗(yàn)、獲得MRI上崗證的主治及以上職稱影像科醫(yī)師分別對(duì)MRI T2WI及PET原發(fā)病灶進(jìn)行ROI分割,然后將結(jié)果進(jìn)行組內(nèi)相關(guān)系數(shù)(intra-class correlation coefficient,ICC)分析,獲得觀察者間一致性。

      圖1 病灶感興趣區(qū)圖像(a:橫軸位PET;b:冠狀位PET;c:矢狀位 PET;d:橫軸位 MRI)

      1.4.2 特征提取 (1)加載數(shù)據(jù):首先將所有原始圖像及ROI數(shù)據(jù)按PET及MRI分類批量導(dǎo)入聯(lián)影uAI Research Portal軟件中;(2)添加標(biāo)簽:特征計(jì)算完成后,選擇Add labels,為受試者添加Label(設(shè)定腺癌為陽(yáng)性,標(biāo)“1”,鱗癌為陰性,標(biāo)“0”),按五折交叉驗(yàn)證方式[8,11-12]將數(shù)據(jù)集分為訓(xùn)練組及測(cè)試組,見圖 2、3。

      圖2 訓(xùn)練組Label

      圖3 測(cè)試組Label

      1.4.3 特征選擇 將提取的PET和MRI的組學(xué)特征導(dǎo)入軟件中進(jìn)行特征選擇。在Z評(píng)分標(biāo)準(zhǔn)化后,分別在MRI和PET圖像中提取2 600個(gè)組學(xué)特征,并通過經(jīng)最小絕對(duì)收縮和選擇算子(Lasso)回歸進(jìn)行篩選及降維,之后把得到的特征分別納入邏輯回歸分類器中進(jìn)行訓(xùn)練,分別得到基于MRI圖像(12個(gè))和基于PET圖像的組學(xué)模型(9個(gè))。然后把MRI和PET圖像的特征合并再次通過Lasso回歸進(jìn)行篩選及降維,最終從每個(gè)序列圖像中篩選出與肺癌組織學(xué)分型最相關(guān)的5個(gè)影像組學(xué)特征。

      1.4.4 機(jī)器學(xué)習(xí)建模 根據(jù)影像組學(xué)標(biāo)簽構(gòu)建PET/MRI影像組學(xué)模型,模型在訓(xùn)練組和測(cè)試組的準(zhǔn)確度使用ROC曲線進(jìn)行評(píng)估。影像組學(xué)標(biāo)簽分?jǐn)?shù)(Radscore)=-0.009794361*wavelet_glszm_wavelet-lhh-graylevelnonuniformity+-0.017192137*log_glcm_log-sigma-2-mm-3d-inversevariance+-0.017788094*normalize_ngtdm_busyness+-0.020513171*specklenoise_ngtdm_contrast+-0.03315792*normalize_glrlm_runlengthnonuniformity+0.6792447。

      1.5 統(tǒng)計(jì)學(xué)處理 采用SPSS 26.0統(tǒng)計(jì)軟件。非正態(tài)分布的計(jì)量資料以 M(P25,P75)表示,組間比較采用Mann-Whitney U檢驗(yàn);計(jì)數(shù)資料組間比較采用χ2檢驗(yàn)。所有影像組學(xué)的分析均基于uAI Research Portal軟件。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

      2 結(jié)果

      2.1 不同病理分型肺癌患者的臨床資料比較 不同病理分型肺癌患者的性別、年齡、腫瘤生長(zhǎng)部位、最大標(biāo)準(zhǔn)攝取值(SUVmax)、糖酵解總量(TLG)的差異均無(wú)統(tǒng)計(jì)學(xué)意義(均P>0.05),見表1。

      表1 不同病理分型肺癌患者的臨床資料比較

      2.2 2位醫(yī)生判讀結(jié)果的一致性檢驗(yàn) ICC分析結(jié)果顯示,ICC=0.83,說明一致性良好。取高年資醫(yī)師的ROI結(jié)果進(jìn)行后續(xù)計(jì)算。

      2.3 基于MRI及PET圖像的最佳影像特征結(jié)果 應(yīng)用uAI Research Portal軟件計(jì)算得到2 600個(gè)影像組學(xué)參數(shù),通過Z評(píng)分標(biāo)準(zhǔn)化及Lasso回歸得到5個(gè)最佳組學(xué)特征,見圖4。

      圖4 PET/MRI預(yù)測(cè)模型最佳組學(xué)特征及其最佳權(quán)重比值

      2.4 PET/MRI預(yù)測(cè)模型結(jié)果 根據(jù)所得到5個(gè)最佳組學(xué)特征,分別構(gòu)建訓(xùn)練組及測(cè)試組ROC曲線,訓(xùn)練組和測(cè)試組的AUC分別為0.881和0.826,見圖5、6;同時(shí)應(yīng)用Z評(píng)分標(biāo)準(zhǔn)化及Lasso回歸得到基于PET/MRI預(yù)測(cè)模型訓(xùn)練組及測(cè)試組的AUC、F1評(píng)分法、召回率、精密度、靈敏度、準(zhǔn)確度分別是0.881及0.826、0.882 及 0.781、0.931 及 0.829、0.838 及 0.768、0.931及 0.829、0.831 及 0.714。

      圖5 PET/MRI預(yù)測(cè)模型訓(xùn)練組ROC曲線

      圖6 PET/MRI預(yù)測(cè)模型測(cè)試組ROC曲線

      3 討論

      本研究基于胸部MRI及PET圖像建立的PET/MRI預(yù)測(cè)模型,對(duì)36例肺腺癌和17例肺鱗癌患者進(jìn)行分析,結(jié)果PET/MRI預(yù)測(cè)模型得到5個(gè)特征參數(shù),包含2個(gè)強(qiáng)度特征與3個(gè)紋理特征,其中normalize_glrlm_runlengthnonuniformity占最大權(quán)重比值。wavelet_glszm_wavelet-lhh-graylevelnonuniformity:通過小波濾波器篩選得到的灰度大小區(qū)域矩陣特征值,主要是基于直方圖的統(tǒng)計(jì)學(xué)特征描述,是紋理特征的高階統(tǒng)計(jì),它測(cè)量圖像的灰度不均勻性,特征值越低表示圖像灰度越均勻;log_glcm_log-sigma-2-mm-3d-inversevariance:通過高斯-拉普拉斯平滑處理后的圖像中提取的特征,該特征是基于圖像的灰度共生矩陣計(jì)值,屬于紋理特征,它通過統(tǒng)計(jì)兩個(gè)灰階值在指定空間分布上出現(xiàn)的頻率分布,反映圖像紋理局部變化的大小;若圖像紋理較均勻,變化緩慢,則該特征值會(huì)較大,反之則較小。normalize_ngtdm_busyness:對(duì)歸一化后的圖像提取的特征,屬于一階強(qiáng)度特征,該特征計(jì)算圖像鄰域灰度差矩陣的繁忙度,反映某個(gè)像素與其所在鄰域平均灰度值之間的差異;該特征值越高,說明像素在其鄰域內(nèi)的強(qiáng)度變化越快速。specklenoise_ngtdm_contrast:通過斑點(diǎn)濾波器篩選得到的鄰域灰度差矩陣特征值,該特征計(jì)算了圖像鄰域灰度差矩陣的對(duì)比度,它反映了圖像灰度強(qiáng)度變化的空間速率;該特征值越大,圖像灰度范圍和空間變化率越大。normalize_glrlm_runlengthnonuniformity:屬于紋理特征,該特征計(jì)算了圖像灰度行程矩陣的行程長(zhǎng)度不均勻性?;叶刃谐叹仃嚵炕叶扔涡械拈L(zhǎng)度,其反映圖像在某個(gè)方向上具有相同灰度值的連續(xù)像素?cái)?shù)量。行程長(zhǎng)度不均勻性測(cè)量整個(gè)圖像中游程長(zhǎng)度的相似性,較低的值表示圖像中游程長(zhǎng)度之間的同質(zhì)性更高,本研究說明紋理特征與肺腺癌及肺鱗癌病理分型更相關(guān),且normalize_glrlm_runlengthnonuniformity值較低,說明肺腺癌較肺鱗癌有更高的同質(zhì)性,更低的異質(zhì)性,Orlhac等[13]研究與本研究結(jié)果一致。腫瘤細(xì)胞的異質(zhì)性是惡性腫瘤的特征之一,是指腫瘤在生長(zhǎng)過程中,經(jīng)過多次分裂增殖,其子細(xì)胞呈現(xiàn)出分子生物學(xué)或基因方面的改變,從而使腫瘤的生長(zhǎng)速度、侵襲能力、對(duì)藥物的敏感性、預(yù)后等各方面產(chǎn)生差異,異質(zhì)性越高的腫瘤,惡性程度越高,預(yù)后越差。

      梁偉等[14]構(gòu)建的CT影像組學(xué)模型預(yù)測(cè)肺癌亞型分類的準(zhǔn)確率為75%,組學(xué)特征的AUC結(jié)果為0.69。王彬冰等[15]發(fā)現(xiàn)CT影像深度學(xué)習(xí)方法可以有效地鑒別周圍型肺癌和肺結(jié)核球,沙雪等[5]研究表明治療前18F-FDG PET/CT影像組學(xué)特征預(yù)測(cè)NSCLC病理亞型,逆差矩、同質(zhì)性、短區(qū)域因子的AUC分別為0.770、0.768和0.754,均可為病理診斷提供一種高效、無(wú)創(chuàng)的檢測(cè)方法。本研究應(yīng)用五折交叉驗(yàn)證法構(gòu)建了基于胸部MRI及PET的PET/MRI預(yù)測(cè)模型,結(jié)果PET/MRI預(yù)測(cè)模型訓(xùn)練組及測(cè)試組的 AUC、召回率、精密度、靈敏度、準(zhǔn)確度分別是0.881及0.826、0.931及0.829、0.838 及 0.768、0.931 及 0.829、0.831 及 0.714。訓(xùn)練組和測(cè)試組的AUC值非常接近,說明該數(shù)據(jù)評(píng)估模型的擬合度較好,有很好的一致性、穩(wěn)定性,同時(shí)也說明胸部PET/MRI預(yù)測(cè)模型能夠?qū)Ψ蜗侔┘胺西[癌病理分型作出有效的預(yù)測(cè)。而且PET/MRI作為一種非侵入性成像手段,其不僅較PET/CT明顯降低了輻射劑量,而且可以在一次檢查中提供腫瘤的形態(tài)學(xué)、功能學(xué)及分子影像學(xué)信息,與組織病理學(xué)和基因檢測(cè)方法相比,PET/MRI檢查不僅可以克服取樣偏差和活檢引起的并發(fā)癥,而且有望在預(yù)測(cè)生物標(biāo)志物方面提供更全面、更準(zhǔn)確的信息。

      綜上所述,PET/MRI預(yù)測(cè)模型能對(duì)肺腺癌及肺鱗癌病理分型進(jìn)行無(wú)創(chuàng)性術(shù)前評(píng)估及預(yù)測(cè),有利于臨床提前制定個(gè)體精準(zhǔn)化的治療方案。

      猜你喜歡
      組學(xué)鱗癌腺癌
      惡性胸膜間皮瘤、肺鱗癌重復(fù)癌一例
      基于深度學(xué)習(xí)的宮頸鱗癌和腺鱗癌的識(shí)別分類
      口腔代謝組學(xué)研究
      益肺解毒方聯(lián)合順鉑對(duì)人肺腺癌A549細(xì)胞的影響
      中成藥(2018年7期)2018-08-04 06:04:18
      基于UHPLC-Q-TOF/MS的歸身和歸尾補(bǔ)血機(jī)制的代謝組學(xué)初步研究
      HIF-1a和VEGF-A在宮頸腺癌中的表達(dá)及臨床意義
      代謝組學(xué)在多囊卵巢綜合征中的應(yīng)用
      GSNO對(duì)人肺腺癌A549細(xì)胞的作用
      整合素αvβ6和JunB在口腔鱗癌組織中的表達(dá)及其臨床意義
      老年胃腺癌中FOXO3a、PTEN和E-cadherin表達(dá)的關(guān)系
      密云县| 旌德县| 铁岭县| 永城市| 吴桥县| 芦山县| 壤塘县| 渭源县| 双流县| 石渠县| 连平县| 云阳县| 连州市| 南开区| 萝北县| 永春县| 曲阜市| 郧西县| 永新县| 辽阳县| 灵寿县| 浪卡子县| 苍溪县| 五莲县| 潼关县| 奉节县| 松桃| 武汉市| 兴隆县| 罗平县| 商丘市| 新津县| 吴忠市| 清丰县| 汤原县| 天津市| 喀喇沁旗| 龙陵县| 稷山县| 义马市| 嘉兴市|