摘要
本文从以下几个部分展开论述： 第一部分 MIM软件自动勾画肺癌放疗的危及器官精准度研究 目的:探讨MIM软件对肺癌放疗的危及器官自动勾画的效果，筛选最佳数据库入库病例数及匹配数目。 方法:运用MIM软件建立5组肺癌数据库(入库病例数目分别为20、40、60、80、100例)。随机选择数据库外10例肺癌患者图像，由一位具有丰富临床经验的医生进行危及器官的手动勾画，将其作为参考勾画，并对该10例患者图像进行危及器官自动勾画，勾画匹配数目分别选择为3和9。通过定量评价勾画时间、豪斯多夫距离(HD)、平均最小距离(MDA)、Dice相似性系数(DSC)以及Jaccard系数(JSC),将自动勾画结果与参考勾画进行单因素方差分析，从而探讨不同数据库病例数及匹配数对自动勾画结果的影响。 结果:勾画匹配数目选择为3或9时，5组模板中平均自动勾画时间均小于手动勾画，但各组间没有差异性;当勾画匹配数为9时会明显增加自动勾画OAR时间，但仍低于手动勾画OAR所需时间。5组数据库的自动勾画结果之间没有显著性差异(P＞0.05)。对于脊髓来说，当匹配数为9时，100例数据库自动勾画结果的MDA、JSC的结果优于40例、60例组;但对于其他器官而言，在5组不同的数据库中，在3和9不同的匹配数目的自动勾画结果之间也没有显著性差异;对于甲状腺来说，MDA、DSC、JSC三种评价参数的结果均较差，甲状腺的自动勾画尚无法满足临床要求。 结论:MIM软件应用于肺癌放射治疗中自动勾画OAR能够取得较好的勾画效果，提高工作效率;数据库纳入病例数目的增加及勾画匹配数的增加不会提高OAR的勾画效果，同时数据库中纳入病例数的增加不引起自动勾画OAR时间的增加，但勾画匹配数的增加会引起自动勾画OAR时间的增加，所以考虑时间成本，对于肺癌的勾画建议采用20例作为临床数据库的病例数，采用3例模板数。 第二部分 构建基于影像组学的非小细胞肺癌放化疗疗效预测模型 目的:构建基于影像组学的非小细胞肺癌放化疗疗效预测模型。 方法:回顾性分析2018年12月至2022年7月期间川北医学院附属医院肿瘤科或放疗中心确诊为非小细胞肺癌的患者102例，平均年龄(62.18±8.50)岁;根据WHO实体肿瘤疗效评价标准评效，102例患者中PR 67例，SD 33例，PD 2例，并分为A组(CR+PR)67例和B组(SD+PD)35例。将纳入患者治疗前增强CT图像进行感兴趣区勾画，并提取影像组学特征，根据二分类标签通过互信法、LASSO进行特征筛选后得到最相关的影像组学特征，分别带入逻辑回归(Logistic Regression,LR)、高斯朴素贝叶斯(Gauss Naive Bayes,GNB)进行模型训练、验证和测试，根据评价指标得到相应结果。 结果:特征筛选后选取8个影像组学特征，其中LoG-sigma核大小为4.0mm滤波后有2个特征，6.0mm滤波后有1个特征，小波变换中LLH、HLH、HHH三种滤波函数的滤波后的特征，将筛选出的8个特征带入模型经过10次5折交叉验证，结果显示:在训练集中，对于LR、GNB模型的AUC值分别为0.851、0.793，准确率分别为0.787、0.745;在测试集中，对于LR、GNB模型的AUC值分别为0.849、0.787,准确率分别为0.772、0.712;两种算法经过德隆检验:P=0.012＜0.05,AUC差值具有统计学意义。 结论:成功构建基于影像组学的非小细胞肺癌放化疗疗效的预测模型(LR∶AUC=0.849;GNB∶AUC=0.787)，通过该模型能在放化疗前预估患者疗效优劣，若患者被预测为A组则考虑当前的治疗模式的治疗效果佳;若患者被预测为B组则考虑当前的治疗模式的治疗效果有限，建议采取进一步治疗来提高疗效。
NETL