首页 > 论文范文 > 医药卫生论文 > 医学毕业论文 > 医学本科毕业论文 > 不典型透明细胞癌与肾嫌色细胞癌的CT纹理分析

不典型透明细胞癌与肾嫌色细胞癌的CT纹理分析

2020-07-18 360 上传者：管理员

摘要：目的研究影像组学方法在肾嫌色细胞癌和强化方式不典型的透明细胞癌二者中的应用。方法搜集行肾动脉CTA扫描的108例肾细胞癌患者的临床资料及影像学图像。应用影像组学中的Lasso回归统计方法和机器学习中的随机森林算法提取病例的CTA图像特征并使计算机学习,通过20次重复试验得到平均诊断准确率。患者的临床特征处理采用SPSS20.0软件,计量资料用t检验,计数资料用χ2检验,P<0.05为差异具有统计学意义。结果 108例肾细胞癌中,透明细胞癌57例,嫌色细胞癌51例。两组病例临床特征中的性别和吸烟史差异具有统计学意义(P<0.05),透明细胞癌更多见于吸烟的男性患者。放射科医师对两组病例诊断的平均准确性为(45.42±3.32)%,低于Lasso回归(76.5±12.26)%和随机森林算法(78.5±6.3)%。在两组病例中,随机森林算法给出的总准确性、对嫌色细胞癌诊断的特异性要高于Lasso回归,Lasso回归对透明细胞癌诊断的敏感性高于随机森林算法。结论影像组学方法可以对肾嫌色细胞癌及透明细胞癌做出有效的鉴别诊断,且诊断能力高于放射科医师的能力。影像组学作为一种新兴的研究方法,有望为医学发展带来重要变革。

关键词：
CT
Lasso回归
影像组学
肾细胞癌
随机森林
加入收藏

肾细胞癌是成人肾脏最常见的恶性肿瘤,约占肾脏恶性肿瘤的90%,发病年龄约60～70岁[1]。主要病理类型是透明细胞癌,约占80%,恶性程度高,预后较差;其他类型包括乳头状癌,嫌色细胞癌,集合管癌等。嫌色细胞癌约占肾细胞癌的5%～7%,一般认为预后良好,但仍有复发及转移的病例报道[2]。CT图像不典型的透明细胞癌与嫌色细胞癌鉴别困难,由于二者在手术方式的选择、疗效及预后等显著不同,因而术前正确诊断尤为重要[3]。影像组学可以将医学图像中病灶感兴趣区域的数据转化为具有特征空间的定量化数据,并进行精准定量化分析,达到了提高对疾病诊断效能、对疾病疗效进行精准评价和对疾病预后进行预测的目的[4]。已有研究表明,客观和定量的影像组学分析方法可以当作生物标志物用于医学影像诊断[5,6,7,8]。在近期肾细胞癌的影像组学应用中,Shu等[9]研究显示基于CT图像可以对肾透明细胞癌Fuhrman分级进行预测。Yin等[10]发现综合多组学模型可以预测原发性肾透明细胞癌的分子亚型。本研究旨在为肾细胞癌影像组学研究提供更多依据。

1、资料与方法

1.1一般资料

搜集2014年1月至2017年12月在浙江大学医学院附属第一医院行肾动脉CTA扫描的108例肾细胞癌患者的临床资料及影像学图像。其中透明细胞癌57例,男51例,女6例,年龄25～83岁,平均51.9岁。嫌色细胞癌51例,男26例,女25例,年龄30～78岁,平均55.6岁。所有患者术前均进行了肾动脉CTA检查。入组标准:(1)动脉增强早期、动脉增强晚期强化程度均低于肾实质的透明细胞癌(称之为不典型透明细胞癌,即乏血供透明细胞癌);(2)为了准确勾画肿瘤边界,减少部分容积效应的干扰,选择直径≥3cm的肿瘤作为研究对象。排除标准:(1)除“肾占位”外还有其他肿瘤史;(2)肾脏占位直径<3cm;(3)含囊变、测得脂肪密度或囊性成分为主的病灶;(4)增强扫描呈“快进快出”表现。所有患者按检查须知要求进行检查前准备并签署知情同意书。

1.2仪器

采用PhilipsBrilliance64andMX8000扫描仪、碘帕醇(典乐比370)、生理盐水、高压注射器。

1.3扫描方法

患者取仰卧位,扫描范围包括第11肋下缘至髂棘水平,行常规平扫后使用双筒高压注射器,经肘前静脉注射对比剂,剂量为1.5ml/kg,流率为4.5ml/s,采用自动触发扫描技术行肾动脉增强扫描。扫描参数为:管电压120kV,管电流250mAs,层厚3mm,层间距3mm,螺距0.9,扫描旋转时间0.5s/周。

1.4图像分析

随机抽取88个病例由两名放射科医师读片并记录诊断结果,意见不一致时讨论得到最终结果,计算出医师诊断准确性。

1.5特征提取

首先在DICOM图像上勾画肿瘤所有层面的感兴趣区(ROIs)(图1),然后应用基于Visualc++自主开发的影像组学软件提取所有ROI内的纹理特征并分别进行Lasso回归分析和机器学习中的随机森林算法诊断。在两组病例中,随机选取47例透明细胞癌和41例嫌色细胞癌作为训练集,每组剩余的10例作为测试集。

1.6统计分析

应用SPSS20统计学软件,计量资料用t检验,计数资料用χ2检验,P<0.05为差异具有统计学意义。Lasso回归分析在python3.6.3版本上进行,使用Sklearn库中的线性回归模块,使用交叉检验得到最优的值。

2、结果

2.1临床特征结果

根据病理类型将所有病例分为两组,经过单因素方差分析发现,两组患者的性别和吸烟史具有统计学意义(P<0.05),年龄、病灶部位、肿块形态、大小、边界是否清楚无统计学意义(P>0.05),结果见表1。

表1肾乏血供透明细胞癌和嫌色细胞癌临床特征对比

2.2医师诊断准确性

由两位放射科医师对随机给出的88例图像进行诊断,意见不一致时讨论得到最后结果。最终对两组病例平均诊断准确性为(45.42±3.32)%,敏感性(58.35±10.01)%,特异性(58.38±7.24)%。

2.3纹理分析结果

Lasso回归根据勾画的图像和纹理分析,每期图像得到2700个特征,因此每个病例都能计算得到8100个特征。然后对图像特征做简单的筛选,筛除40个无差别的特征,最终每个病例的特征个数为8060。应用交叉检验得到最优的值,如图2所示。重复20次实验后得到平均值为0.0266±0.0199,平均特征个数为70.40±46.27。应用Lasso回归的统计方法,测试集平均准确性为(76.50±12.26)%,敏感性为(79.50±12.76)%,特异性为(73.50±15.65)%。

表2Lasso回归与随机森林模型重复20次实验结果对照

随机森林该模型能够处理高维度的特征,并且不需要事先对特征进行筛选,因此可以检测特征之间的互相影响并平衡各子集之间的误差。本实验同样重复20次,由300个决策树组成随机森林。得到的平均准确性为(78.50±6.30)%,敏感性为(75.50±12.76)%,特异性为(81.50±11.82)%。Lasso回归与随机森林模型重复实验20次结果见表2。两种方法20次随机取样重复实验准确率直方图见图3,受试者操作特征(ROC)曲线见图4。

3、讨论

不典型肾透明细胞癌与嫌色细胞癌在CT图像上鉴别困难,而二者在手术方式、药物治疗的选择及预后等方面存在显著差异,因此术前正确诊断尤为重要。影像报告的书写目前依赖于放射科医师的经验和水平,具有主观性和片面性,不同医师在阅读同一个病例的影像资料后可能得到不同的结论,因此2012年Lambin等提出了影像组学的概念,使术前通过非侵入的方式获取肿瘤异质性变成现实,为医学影像学的发展提供了巨大潜力[11]。影像组学可以通过使用大量自动提取的数据描述算法将CT、MR图像数据转换成高维可挖掘的特征空间,即采用非侵入的方式获得肿瘤内部特征和异质性[12],以便将结构形态、组织细胞、分子和基因遗传等各种表型综合起来,提高疾病诊断效能并且对疾病预后进行预测[13]。

影像组学已在肺癌和乳腺癌的研究中得到广泛应用,例如Aerts等[14]应用影像组学方法对1019例肺癌和头颈部恶性肿瘤的CT图像所提取出的440个影像特征进行了研究,结果显示这些影像特征与肿瘤的病理类型、肿瘤的分期、基因表达的模式相关,并且与患者的预后有显著关联。Yamamoto等[15]研究的结果显示,乳腺癌动态增强MR图像提取的影像基因组学生物标记物,可以预测肿瘤早期转移。在对肾细胞癌的影像组学研究中,Karlo等[16]分析了肾透明细胞癌的CT特征与潜在基因突变的相关性,指出VHL基因缺失的透明细胞癌在CT图像上表现为边界清楚,而BAP1和KDM5C的突变与肾静脉侵犯的证据增加有关。Linehan等[17]指出肾乳头状癌不同的分子型决定表达的性状不同,在CT图像上存在差别。

图1A～D病灶勾画，重建得到3D模型，此病例经病理结果确诊为透明细胞癌

图2Lasso回归特征选择图。

图3两种统计方法20次随机取样重复试验准确率直方图。

图4Lasso回归(左)和随机森林(右)ROC曲线。

本研究中,应用Lasso回归分析患者术前CTA图像,并得到了8100个影像组学特征,通过计算机的处理最终对肿瘤表型的差异进行了量化。之所以选择Lasso回归而没有选取一般线性回归,是因为在Lasso回归中增加了一项L1范数的惩罚项,让特征变得稀疏,以达到筛选特征的目的。同时增加了图像预处理这一步骤,因为不同患者所采取的图像在窗宽窗位等图像特征中有所差异,通过预处理可以得到统一的标准。在预测肿瘤的影像组学特征选取中进行了多次重复试验,所选出的特征具有一定代表性。本研究通过实验证明了计算机提取CT纹理特征可以为临床诊断肾细胞癌提供帮助。相比传统侵入性的方法,影像组学可以通过非侵入的方式获得不同病理类型肿瘤的异质性,在临床影像诊断中提供帮助,更具有优势。

随机森林算法也被引入到本次影像组学中来构建模型,而不是仅通过一种方法得到结论。不同肿瘤间存在异质性,而决定异质性的可能是基因、蛋白、微环境、细胞、组织和器官等多个变量,在处理大量的输入变量时,随机森林算法具有高精准度、平衡误差等优势。随机森林算法构建的模型总的诊断准确性更高,方差更小,更加稳定。Lasso回归诊断肾透明细胞癌的敏感性高于随机森林算法,而随机森林算法诊断嫌色细胞癌的特异性明显高于Lasso回归。以上结果表明,基于CT的纹理特征可以用于肾透明细胞癌和嫌色细胞癌的诊断及鉴别。

本研究的局限性在于:首先,本研究采用的是CTA图像数据,不同厂家的设备参数不同,可能最终结果会有差异,本研究的纹理分析结果只适用于扫描仪器、对比剂和扫描时间与本组资料相似的病例。其次,本研究的样本量不够大,可能在影像组学纹理特征的选择中有所偏差,还需要大量样本进行验证。正如文献所说,相信未来的研究应该有能力解决以上问题[18]。

总的来说,影像组学作为一种新兴的研究方法,相信它可以参与临床治疗决策,为临床肿瘤学及医学发展带来重要变革。

严志强,洪源,戚孙赟,贺文广,孔德兴,彭志毅.肾嫌色细胞癌与不典型透明细胞癌的CT纹理分析研究[J].临床放射学杂志,2020,39(01):91-95.