论文部分内容阅读
鼻咽癌(nasopharyngeal carcinoma,NPC)是人体鼻咽部最常见的恶性肿瘤,患者MR图像的病灶检测和淋巴结准确定位,是进行诊断、制定治疗方案与预后的重要基础。研究对象来自中山大学肿瘤防治中心,总共收集647名鼻咽癌患者临床信息与T1W、T2W、T1C等三种序列头颈部结构MR图像,由富有经验的医生勾画的肿瘤与淋巴结轮廓作为金标准,对被试按照3:1的比例划分为训练集与独立测试集。根据多序列MR图像的特点,分别构建多序列2D-ResUNet和多序列多维融合(Multi-sequence and multi-dimensional fusion,MSMDF)模型,对肿瘤区域与淋巴结进行分割。利用分割模型的结果,提取图像特征,并与TN分期、颅神经侵犯、EBV-DNA拷贝数、治疗前EBV含量、VCAIgA、EAIgA等临床指标相融合,构建分类预测模型,对术后是否转移与复发进行评估预测。实验结果表明,多序列2D-ResUNet对肿瘤与淋巴结的测试Dice值分别为0.786、0.808,豪斯多夫距离(Hausdorff distance,HD)分别为6.09mm、5.72mm,面积差占比(percentage of area difference,PAD)分别为19.1%、17.7%;而MSMDF模型对肿瘤与淋巴结的测试Dice值分别为0.801、0.830,HD分别为5.97mm、5.43mm,PAD分别为18.0%、15.6%。转移评估模型中,单独采用临床指标、单独采用图像特征、图像特征结合临床指标三种方法AUC值分别为0.733,0.791,0.840,F1值分别为0.458,0.622,0.727;评估模型中,以上三种方法AUC值分别为0.727,0.802,0.849,F1值分别为0.432,0.571,0.686。本研究利用NPC患者的多序列MR影像,建立基于多序列影像的深度学习模型,通过实验证明,该模型可准确有效地检测肿瘤区域与淋巴结,将分割结果与其它临床指标相融合,实现NPC术后转移与复发的评估预测。研究方法与结果对NPC患者的诊断、治疗与预后等具有重要的临床应用价值。