摘要
直肠癌是我国常见的消化道恶性肿瘤，发病率与死亡率呈逐年上升趋势，已成为困扰我国人民健康的重大问题。淋巴结转移的诊断是决定直肠癌患者治疗效果的关键因素，不仅能够指导治疗方式的选择，同时也显著影响其预后和生存情况，术前精准评价的淋巴结状态是该领域亟待解决的难题。在临床实践中，目前常用的诊断方式是直肠磁共振检查，由于其较高的软组织分辨能力，使得诊断的准确性优于超声、CT等其他检查技术，但仍未达到临床实际诊疗的需求，术前检查假阳性率过高导致过度治疗，可使得相关并发症的风险增高、经济负担加重、错失最佳治疗时机;假阴性率过高所致的诊断不足也会因分期低于实际病理分期，增加患者术后复发转移的风险。因此提高直肠癌局部淋巴结转移诊断的准确率刻不容缓。图像智能诊断技术可从断层医学数字图像中提取图像定量特征，并将这些定量特征转化为可挖掘的高通量数据，获取人眼无法识别的疾病特征，从而帮助放射科专家做出更精准的诊断。 本文采用图像识别技术以大量真实临床直肠癌磁共振图像数据为研究对象，针对现有临床方法对淋巴结诊断能力欠佳的现状，展开基于多种图像智能诊断模型的分类诊断研究，旨在构建不同临床诊疗需求的淋巴结转移诊断模型，提高直肠癌淋巴结转移的诊断能力，论文主要工作如下: （1）首先探讨了直肠癌原发肿瘤病灶图像序列和灰度特征与淋巴结转移的相关性。医学图像识别技术在临床诊断中逐渐显露优势，而在直肠癌领域的相关研究并不多，确定图像特征与淋巴结转移存在直接相关是本研究的前提，本文通过对T2WI、DWI、ADC多序列原发肿瘤图像，分别提取原发肿瘤病灶感兴趣区灰度特征（如偏度、峰度等），进行相关性评价，逻辑回归结果显示DWICV、DWIMode、DWIKurtosis、T2WIKurtosis、T2WI-MapP5为淋巴结转移的独立预测因素，并在以上特征的基础上联合专家评价指标建立诊断模型，克服了人眼分辨能力不足的问题，提高了放射科专家对淋巴结转移诊断的能力，证明了计算机图像分析方法在直肠癌原发灶在淋巴结转移预测研究中的合理性和有效性，为后续章节的研究打下了的基础。 （2）针对直肠癌原发肿瘤病灶的淋巴结转移预测能力有限问题，同时为降低医生诊断劳动强度，研究单一机器诊断方法，提出一种以T2WI图像纹理特征与网络深度特征相结合的淋巴结转移预测神经网络。首先，以U-Net编码器结构为主网络框架联合ResNet辅助网络获得深度特征，并通过基于自注意力机制的纹理特征全连接网络丰富纹理特征，二者结合，建立3D-FU-MCANet诊断模型。本研究克服了小数据集无法使用深层网络提取高维特征的问题，避免过拟合现象的发生。该模型通过对572例肿瘤原发灶图像训练并验证，结果表明此模型单一机器算法可提升具有较好的直肠癌原发肿瘤病灶预测淋巴结转移的能力(AUC0.771)，阴性预测值达到83.6％,具有重要的临床推广意义。 (3)提出了一种基于放射组学特征联合多目标优化算法的小目标图像淋巴结转移诊断模型。淋巴结图像目标小，导致像素少、分辨率低、整幅图像包含信息量少的特点，用计算机技术提取图像的放射组学海量定量特征可辅助放射科专家提高诊断能力，但从全面优化诊断效能的角度出发，在特征降维、特征筛选和最优解获得等方面还存在不足。为解决以上不足，本文提出应用皮尔森(Pearson)相关系数降维方法对海量放射组学特征降维，进而通过多目标优化免疫算法以敏感度和特异度为优化目标，将以上特征进一步优化筛选，获得最佳模型参数，建立诊断模型。分别以降维获得的21个特征，以及联合临床及放射科专家评价构建两种直肠癌淋巴结转移诊断模型，结果显示以小目标淋巴结图像高通量特征建立的多目标优化诊断模型诊断能力明显优于临床诊断模型，二者结合可进一步提高模型敏感度和特异度，具有重要的临床实用价值。 (4)提出了一种基于深度迁移学习的直肠癌淋巴结转移诊断模型。针对治疗后淋巴结形态不规则、内部信号更加复杂的情况，而导致小目标图像细节及边缘更加难以分辨，淋巴结转移判断的难度进一步加大，给放射科专家临床工作带来困惑，本部分研究继续以淋巴结小目标图像为研究对象，对小数据样本开展深度迁移学习技术建立分类模型，在GoogleInception-v3模型框架的基础上，针对直肠癌淋巴结转移的问题，对网络预训练模型在Inception模块、网络尺寸减小策略、辅助输出模块和反向传播策略等技术细节进行了调整，构建了Inception4LNs网络模型。实验结果表明，此模型在小目标、小样本直肠癌淋巴结图像数据集的分类效果很好，显著提高了治疗后淋巴结诊断的准确性。
NETL