APP下载

基于3D增强CT影像组学的肾癌亚型三分类预测模型

2021-07-18张海捷陈梦林漆安琪杨丽洋崔维维杨姗姗

分子影像学杂志 2021年3期
关键词:特征模型研究

张海捷,殷 夫,陈梦林,漆安琪,杨丽洋,崔维维,杨姗姗,文 戈

1深圳大学第一附属医院PET/CT中心,广东 深圳 518052;2深圳大学信息工程学院,广东 深圳 518052;3南方医科大学南方医院影像系,广东 广州 510515

肾细胞癌(RCC)是人类十大最常见的恶性肿瘤之一,也是尿路最常见的恶性肿瘤,约占肾恶性肿瘤的85%和整体恶性肿瘤的3%[1]。根据2016年世界卫生组织分类标准,肾透明细胞癌(ccRCC)是最常见的肾癌亚型,约占全部RCC的75%,也是最具侵入性和预后最差的一种亚型[2]。第二、三位最常见的RCC 亚型是乳头状癌(pRCC)和嫌色细胞癌(cRCC),分别占10%~15%和5%。RCC的其他亚型包括集合管癌、多房囊性肾癌、髓样癌和未分类癌等[3-4]。不同亚型肾癌的的生物学行为和侵袭性不同,其治疗方法和预后也不同,所以在治疗前进行RCC亚型的鉴别很重要[5]。此外,晚期肿瘤的靶向药物治疗和免疫治疗的选择也基于RCC亚型[6-7]。

肾穿刺活检病理结果是鉴别RCC亚型的金标准,但由于肾活检术的侵入性,可能使患者面临出血、静脉炎、背痛和成本增加等风险,而且穿刺术也存在一定的失败率。如果能有一种无创的方法能在治疗前区分RCC亚型,将会给临床医师提供一个新的选择[8]。虽然增强CT和功能磁共振成像在鉴别肾癌亚型方面取得了一些研究成果[9-10],但其相关参数及阈值的应用还未达到共识[11]。

影像组学近年来发展迅速,影像组学特征(RFs)可以反映图像中像素的均匀现象,可通过特殊软件进行定量分析[12]。通过结合医学图像、基因和临床数据,影像组学可以使用人工智能方法以高通量方式提取和分析肿瘤信息,并提供比传统成像方法更准确的诊断[13]。……

登录APP查看全文

猜你喜欢

特征模型研究
一半模型
FMS与YBT相关性的实证研究
辽代千人邑研究述论
重尾非线性自回归模型自加权M-估计的渐近分布
视错觉在平面设计中的应用与研究
如何表达“特征”
不忠诚的四个特征
EMA伺服控制系统研究
3D打印中的模型分割与打包
线性代数的应用特征