应用双时相18F-FDG PET/CT图像的影像组学指标鉴别孤立性肺结节良恶性

摘要

第一部分
　　目的:PET/CT是诊断孤立性肺结节良恶性的常用手段之一，其显像方法分为单时相和双时相显像，两种不同方法诊断孤立性肺结节的诊断性能受疾病谱影响较大，在感染性疾病流行地区两种显像方法在诊断孤立性肺结节时诊断性能有无差异尚缺少相关报道。本研究旨在对比应用单时相PET/CT显像和双时相PET/CT显像诊断孤立型肺结节时诊断性能的差异，评价诊断性能时分别使用定量指标及以病变摄取程度为主的视觉分析两种方法。
　　方法:回顾性分析2004年至2014年在我院行双时相PET/CT显像的孤立型肺结节患者。病理结果或者随访结果作为最终诊断。分别在图像上测量每一个肺结节的三个定量指标（早期SUVmax、延迟期SUVmax和滞留指数）。由两个医生分别对单时相显像的图像及双时相显像的图像进行视觉分析，按照图像上病变摄取显像剂的程度对被一个病变恶性到良性的可能性进行5分法打分。使用受试者工作曲线(Receiver Operation Curve，ROC)分析三个定量指标和2个视觉评分在诊断结节良恶性时的诊断性能。取ROC曲线上约登指数最大处作为最优诊断阈值，计算每个诊断方法在此阈值下的诊断敏感性、特异性、准确性、以及ROC曲线的曲线下面积。使用McNemar's检验比较不用诊断方法间敏感性、特异性、准确性的差异，使用Delong检验比较不同诊断方法间曲线下面积的差异。
　　结果:149名病人的数据符合研究的要求，纳入本研究。早期SUVmax延迟期SUVmax和滞留指数三个定量指标的受试者工作曲线的曲线下面积分别为0.73，0.74和0.61，Delong检验提示三者间的差异不具有统计学意义。单时相显像和双时相显像视觉分析的曲线下面积分别为0.77和0.75，Delong检验提示两者间的差异不具有统计学意义。McNemar's检验显示使用定量分析指标或者视觉分析时，单时相显像和双时相显像在敏感性、特异性、准确性间均无明显差异。
　　结论:使用定量指标（早期SUVmax、延迟期SUVmax和滞留指数）或以病变摄取程度为主的视觉分析两种方法评价图像时，PET/CT单时相显像和双时相显像在孤立性肺结节良恶性诊断时的诊断性能并无明显差异。
　　第二部分
　　目的:影像组学分析是定量化分析图像内部显像剂分布均匀性的方法之一，能够提供一系列的定量指标，反应图像内部的重复性、规律性等信息。本研究旨在评价从双时相PET/CT图像上解析的影像组学指标能否用于诊断孤立型肺结节的良恶性。
　　方法:回顾性分析2004年至2014年我院行双时相PET/CT显像的孤立性肺结节患者，其中早期及延迟期PET图像分别于注射后60min和180min采集。所有恶性病变以病理诊断为最终诊断，良性病变以随访结果或病理诊断为最终诊断。所有肺结节由两名有经验的核医学医生勾画感兴趣区，测量每一个病变的SUVmax和代谢体积（病变代谢体积小于5ml的结节剔除本实验），并对每一个病变进行视觉分析，按照病变的良恶性可能性的大小，按照5分制打分。分别在早期PET图像、延迟期PET图像上计算每个感兴趣区内的影像组学指标59个。使用LASSO逻辑回归从早期PET影像组学指标、延迟期PET影像组学指标中筛选出与结节良恶性的相关的指标，使用秩和检验比较这些指标在良性及恶性组间的差异，使用ROC分析计算各个影像组学指标、结节的视觉分析结果、早期SUVmax和延迟期SUVmax在诊断结节良恶性时的曲线下面积、敏感性、特异性、准确性。使用Delong检验比较不同诊断方法间ROC曲线下面积的差异。
　　结果:共计83例SPN结节被纳入研究。LASSO逻辑回归的结果显示，Coefficient of Variation、Cluster Prominence、Busyness、Correlation、Coarseness这5个指标和结节的良恶性高度相关;秩和检验结果显示，早期图像和延迟期图像上的Busyness、Coarseness、Coefficient of Variation、Correlation和Cluster Prominence五个指标在良性和恶性病变间具有明显统计学差异。其中延迟期PET的Busyness、Correlation、Coarseness、Coefficient of Variation、Cluster Prominence和早期PET的Coefficientof Variation、Busyness、Cluster Prominence、Correlation这些指标的曲线下面积大于视觉分析和定量分析(早期SUVmax、延迟期SUVmax)。延迟期Busyness的AUC明显大于视觉分析和定量分析，且差异具有统计学意义（P=0.02;P=0.02）。选取合适的阈值后:视觉分析诊断恶性结节的敏感性、正确率和阴性预测值最高，延迟期Busyness和延迟期Coarseness诊断的特异性和和阳性预测值最高。
　　结论:肿瘤内部FDG摄取的均匀性可用于鉴别良恶性肺结节，特别是延迟期PET图像上的均匀性。延迟相PET图像的影像组学指标，例如Busyness，能够为判断结节性质提供不同于SUVmax的信息，可作为补充信息帮助诊断结节的良恶性。与单用早期SUVmax或视觉分析相比，延迟显像图像上解析的影像组学Busyness可明显提高FDG PET鉴别良恶性结节的能力。
　　第三部分
　　目的:在第二部分中我们证实延迟相PET图像的影像组学指标能够为判断结节性质提供不同于SUVmax的信息，可作为补充信息帮助诊断结节的良恶性，提高PET鉴别良恶性结节的能力。本研究旨在探讨使用机器学习模型结合延迟显像PET图像的影像组学指标能够构建一个用于鉴别孤立型肺结节良恶性的模型的可行性。
　　方法:回顾性分析2004年至2014年我院行双时相PET/CT显像的孤立性肺结节患者，其中早期及延迟期PET图像分别于注射后60min和180min采集。所有恶性病变以病理诊断为最终诊断，良性病变以随访结果或病理诊断为最终诊断。所有肺结节由两名有经验的核医学医生勾画感兴趣区，测量每一个病变的SUVmax和代谢体积（病变代谢体积小于5ml的结节剔除本实验），并对每一个病变进行视觉分析，按照病变的良恶性可能性的大小，按照5分制打分。在延迟期PET图像上计算每个感兴趣区内的影像组学指标59个。使用支持向量机(Support Vector Machine，SVM)构建机器学习模型。使用嵌套的交叉验证将数据随机分为训练数据库、测试数据库、验证数据库。在训练数据库和测试数据库，使用过滤法和顺序浮动前进法筛选影像组学指标训练和优化诊断模型，并在验证数据库中验证诊断模型的诊断效能。使用ROC分析计算诊断模型、视觉分析评分、早期SUVmax在诊断结节良恶性时的曲线下面积、敏感性、特异性、准确性。使用Delong检验比较不同诊断方法间曲线下面积的差异。
　　结果:共计83例SPN结节被纳入研究。ROC分析结果显示SVM诊断模型、早期SUVmax、以及医生的视觉评分的曲线下面积分别为0.90，0.77和0.76。使用Delong检验比较曲线下面积结果显示:机器学习模型的诊断性能明显优于视觉分析及早期SUVmax且差异具有统计学意义(P=0.02，P=0.03)。在最佳阈值时的诊断性能结果显示，机器学习模型的特异性(0.82)、准确性(0.88)、阳性预测值(0.93)最高;早期SUVmax的敏感性(0.98)较其他诊断方法更高，但特异性较低(0.18)。视觉分析具有很高的敏感性(0.94)，和较高的特异性(0.59)及准确性(0.88)。
　　结论:比视觉分析和定量分析相比，使用延迟显像PET图像提取的影像组学指标训练支持向量机模型在诊断良恶性孤立幽市结节方面诊断性能更优。

目录

声明

摘要

英文缩略词

第—部分：使用SUVmax及视觉分析对18F-FDG显像鉴别良恶性孤立性肺结节时诊断性能的评价

1 前言

2 方法

2．1 研究对象

2．2 最终诊断

2．3 图像采集条件

2．4 图像的定量分析

2．5 图像的视觉分析

2．6 统计学分析

3 结果

4 讨论

5 结论

第二部分：影像组学在孤立性肺结节病变良恶性鉴别中的应用

1 前言

2 方法

2．1 研究对象

2．2 最终诊断

2．3 图像采集条件

2．4 图像的定量分析

2．5 使用I脚来常用方法鉴别SPN良恶性

2．6 统计方法

2．7 材料、软件

3 结果

3．2 指标筛选

3．3 良恶性结节的影像组学差异

3．4 影像组学指标、SUVmax以及视觉分析用于诊断良性、恶性结节的诊断性能

4 讨论

5 结论

第三部分：机器学习技术联合18F-FDG PET延迟显像的影像组学指标在孤立性肺结节良恶性鉴别中的应用

2．4 影像组学指标的计算

2．7 模型诊断性能的计算

2．8 材料、软件

3 结果

3．1 研究资料

3．2 定量分析及视觉分析与机器学习模型在诊断结节良恶性时诊断性能的比较

4 讨论

5 结论

本论文创新性自我评价

参考文献

综述 18F-FDG PET／CT图像结合机器学习在孤立性肺结节诊断中的应用孤立性肺结节诊疗现状

攻读学位期间取得的科研成果

致谢

个人简历