基于CT生物标记和深度学习的支气管扩张症预测模型构建研究

Chronic respiratory disease is the third leading cause of death in our country, of which bronchiectasis is one of the most common diseases of chronic respiratory diseases. Therefore, assessment of the severity and prognosis of the disease is helpful for early intervention. The present study shows that the occurrence of bronchial dilation, morphological characteristics and airway obstruction are various. Therefore, it is urgent to find biomarkers based on imaging, and to develop a technique that can be used to evaluate the severity bronchiectasis. We recently used CT 3D bronchial segmentation and quantitative techniques to label the biological characteristics of the airway in patients with bronchiectasis, as well as in healthy adults. We found the distribution characteristics of some biological markers of bronchus. Therefore, this paper intends to use 3D imaging based on bronchial quantitative techniques, biological markers for detecting bronchiectasis, and explore he spatial structure of the bronchial tree. Then the prediction model is constructed based on deep learning method. It will provide a model for assessment of prognosis of bronchiectasis, and analysis the mechanism of this disease.

慢性呼吸系统疾病已是我国居民第三位慢性病死因，而支气管扩张症则是慢性呼吸系统疾病最常见的疾病之一。对该病严重程度及预后进行客观评估，有利于进行早期干预。现有研究认为，支气管扩张的发生部位、形态学特点与气道阻塞情况多样，临床异质性高，其病变的严重程度难以评估。因此，急需寻找基于影像学的支气管生物标记点，发展一种能够客观量化评价支气管扩张症的技术手段。我们最近通过CT三维支气管分割及定量技术，初步对支气管的生物学特点进行了标记，构建了健康成人的气道模型，发现了一些支气管生物学标记的分布特点。故此，本课题拟采用基于影像学的三维支气管定量技术，寻找支气管扩张症的生物学标记点，探索其支气管树的空间结构和规律，构建基于深度学习的支气管扩张症预测模型，建立支气管扩张症严重程度和预后评价方法，为该病的预后评估、机制分析提供客观依据。

慢性呼吸系统疾病是我国居民第三位慢性病死因，而支气管扩张症则是慢性呼吸性疾病最常见的疾病之一。对该疾病严重程度及预后进行客观评估，有利于进行早期干预。现有研究认为，支气管扩张的发生部位、形态学特点及支气管阻塞情况多样，临床异质性高，其病变的严重程度难以评估。因此，我们开发基于影像学的支气管生物标记点，发展一种能够客观量化评价支气管扩张症的技术手段。主要研究结果如下：（1）通过支气管扩张症组636例和健康对照组人群655例支气管定量指标分析发现：腔面积、壁面积、平均壁厚、内外直径及内外周长在支气管扩张症人群和对照组人群中均均有统计学差异，支气管扩张组各支气管量化参数均大于健康人群。柱状支扩与囊状支扩各支气管参数间均具有统计学差异，柱状支扩各支气管参数如扩张程度，扩张总支数，腔壁面积及内外直径等参数均小于囊状支扩，视区血管总面积大于囊状支扩（2）支扩咯血与不咯血人群的特征分析发现：囊状支气管扩张的患者更易发生咯血；咯血人群平均年龄小于不咯血人群，性别对咯血无影响。开始吸烟年龄越小越容易发生咯血，吸烟后戒烟的患者咯血发病率减低；咯血患者的最大吸烟量及日常吸烟量均大于不咯血患者，吸烟量的增加会增加咯血的几率。支气管扩张程度在咯血与不咯血组间无差别。患者合并肺结核病史或COPD病史在咯血与不咯血组间无差别。最大扩张支气管发生咯血概率在五个肺叶间存在差异，以右肺上叶咯血率最高，左肺下叶最低。囊状支扩性别及年龄对咯血与否无影响。不咯血的人群病变多累及3个肺叶以上。最大扩张支气管发生咯血的概率在右肺上叶最高，右肺中叶最低。（3）使用多元回归模型预测支气管扩张严重程度据逐步多元回归筛选支气管特征变量，得到支气管扩张程度的诊断模型：.y=0.527x1+0.023x2+0.013x3-0.027x4-0.003x5+0.059x6+0.601x7-0.646.x1=内直径 x2=内腔面积 .x3=扩张总支数 x4=壁面积 .x5=视区血管总面积 .x6=代数 x7=平均壁厚 .内直径、平均壁厚是影响支气管扩张程度的最主要的因素。.通过以上 7个支气管参数对支气管扩张程度进行预测。.（4） 建立了咯血人工神经网络模型，患者临床症状及CT定量指标为输入端构建预测模型。经过训练，模型预测准确性可达91.3%。与咯血最关键的因素为支气管壁厚和支气管壁面积。