頭頸癌是世界上常見的惡性腫瘤,局部區(qū)域復發(fā)被認為是引起其不良預后的主要原因之一。在治療前評估腫瘤風險并選擇個體化治療方案對改善患者預后至關重要。臨床上常用患者年齡、腫瘤分期等指標評估腫瘤風險。此外,近年來隨著醫(yī)學影像技術的發(fā)展,有研究揭示了醫(yī)學影像中存在的數(shù)字化信息可解碼腫瘤自身的特性,是腫瘤風險評估極具潛力的信息來源。還有研究表明,放療計劃方案制定階段產(chǎn)生的劑量體積直方圖亦具有一定的預后預測能力,這說明在針對放療患者的預后研究中還應充分考慮劑量分布質(zhì)量對預后的影響。但現(xiàn)有預后研究僅涉及二維的劑量分布。相較之下,三維劑量分布包含更豐富的劑量信息,但鮮有研究探究三維劑量分布的預后價值。因此,本文嘗試從頭頸癌的三維劑量分布中挖掘量化的劑量特征,從中尋找影響頭頸癌局部區(qū)域復發(fā)的劑量因素,并建立局部區(qū)域復發(fā)的預后模型。其中的特征挖掘采用傳統(tǒng)影像組學方法和深度學習方法。本文將影像組學策略應用于腫瘤區(qū)域的三維劑量分布,從中提取大量的一階特征和紋理特征,采用Cox 比例風險回歸建立這些劑量特征與復發(fā)風險的關聯(lián)模型,并將該模型進一步地與基于年齡、腫瘤分期等臨床指標及CT、PET影像建立的模型進行比較。同...

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

圖２－２生存函數(shù)

癌癥預后研究概述???的概率可以用生存函數(shù)（ＳｕｒｖｉｖａｌＦｕｎｃｔｉｏｎ）表不：??Ｓ（ｔ）?＝?Ｐ（Ｔ?＞?ｔ）?（２－｝）??生存函數(shù)有三個特征點：１）生存函數(shù)是非遞增函數(shù)；２）?５（０）?＝?１，在研究的起??始時間點，即ｔ?＝?０時，沒有充分的時間可以觀察到個體發(fā)生研....

圖２－３風險函數(shù)

?領士學位論文???風險函數(shù)不是表示概率的一個概念，而是與概率的變化率有關的概念，其值在［０，??〇〇）之間，如圖２－３所示。??生存函數(shù)與風險函數(shù)可相互表達，如式２－３和式２－４所示：??５（ｔ）?＝?ｅｘｐ?—?ｆ?ｈ（ｕ）ｄｕ?（２－３）??Ｊ〇??００??ｍ??０?ｔ??....

圖２－４基于表２－２中兩個群組繪制的Ｋａｐｌａｎ－Ｍｅｉｅｒ生存曲線

?領士學位論文???Ｋａｐｌａｎ－Ｍｅｉｅｒ生存曲線??Ｓｔｒａｔａ?＋?ｇｒｏｕｐ＝群組?１?＋?ｇｒｏｕｐ＝群組?２??。．２５．?＼??０．００?（?（?（?＾??０?１０?２０?３０?４０??緩解時長（周）??圖２－４基于表２－２中兩個群組繪制的Ｋａｐｌａｎ－Ｍｅｉｅｒ生....

圖２－５?ＣＮＮ結構

?第二章基于醫(yī)學影像類數(shù)據(jù)的癌癥預后研究概述???數(shù)，而針對本文的生存分析問題，目標函數(shù)的具體形式詳見４．３．４節(jié)。??誤差反向傳播??Ｂ?ｒ?ｆ?…?盡一塞——Ｉ??ｆｔ?｜?Ｓ?Ｉ?｜?接接函??ｅ?Ｇ?ｅ?ｅ?層層數(shù)??Ｙ?ｔ??圖２－５?ＣＮＮ結構。??Ｆｉｇ．?２－５?....

本文編號：4016865