构建影像组学空间与亚区域特征识别数据模型对早期肺癌定性定量研究

Heterogeneity and irregularity of the tumor pose a huge challenge to the Radiomics which achieved through the methods of feature extraction and tumor area segmentation. on the basis of previous study that three-dimensional quantitative analysis of early lung adenocarcinoma pathological grading and the diagnostic value of CT image texture analysis of lung purely ground glass nodules, this study has broken through the past analysis method with pulmonary nodules density distribution histogram, image texture analysis and other plane research paradigm and achieve visual image analysis and accurate data analysis from spatial feature identification and sub-region feature recognition of lung nodules. By extracting the distribution characteristics of spatial structure and tissue density in different regions of nodules, the heterogeneity of nodules in sub-region was quantitatively calculated. At the same time, the digital features of the extracted images define the physical and biological boundaries of the pulmonary nodules and combined with the image of PET, DWI and dynamic contrast-enhanced MRI, the density and structural distribution of the nodules are further quantified. This project uses the method of Radiomics to obtain information from the physiological properties of the nodules, to evaluate the microstructure and pathophysiological status, to establish accurate lung nodule space and sub-regional segmentation algorithm model. By quantitative characterization of homogeneity and heterogeneity features of lung nodules to determine the biological characteristics and prognosis of early-stage lung cancer.

肿瘤异质性和不规则性使得通过特征数据提取和肿瘤区域分割等方法的影像组学面临巨大挑战。本项目在前期研究三维定量分析早期肺腺癌病理分级预测和CT图像纹理分析对肺部纯磨玻璃结节中侵袭性肺癌诊断价值等的基础上，突破以往肺结节密度分布直方图、图像纹理分析等平面研究范式，从肺结节空间特征识别和亚区域特征识别来形成视觉图像分析和精确数据分析，通过提取结节不同区域空间结构和组织密度的分布特征，对结节内亚区的不均匀性进行定量计算，同时提炼图像数字化特征界定肺结节物理学边界与生物学边界，结合PET、DWI及动态增强MRI等影像组学,使肺结节内密度和结构分布不均质和不规则性进一步量化。本项目以影像组学范式从结节组织生理属性来获取信息，评估微观结构及病理生理状态，建立精准肺结节空间及亚区域分割算法模型，通过对肺结节同质性和异质性特征量化以定性定量并判断早期肺癌生物学特性和预后。

针对“构建影像组学空间与亚区域特征识别数据模型对早期肺癌定性定量研究”项目我们主要做了四个方面研究。（1）通过改善扫描参数，使用靶体侧位或斜位扫描的U-HRCT改善图像质量，更好的显示结节内部特征及对纯磨玻璃样结节的肺腺癌进行影像特征分析，评估其对磨玻璃样肺腺癌侵袭性的预测价值。研究证明与浸润前病变相比，浸润性腺癌具有更大的直径、更高的平均衰减值、更高的代表性衰减值、更低的相对衰减值、更高频率的异质性、空气支气管征、空泡征和胸膜凹陷征。直径较大和较高的代表衰减值是侵袭性肺腺癌的显著预测因素。浸润性肺腺癌最大直径的最佳临界值大于10 mm。我们的研究证明基于靶体侧位或斜位扫描的U-HRCT扫描的影像学特征可以有效预测PGGN的组织学侵袭性。最大直径和代表性衰减是预测侵入性的重要参数。（2）比较基于靶扫描 CT和常规扫描 CT图像建立的 CT影像组学特征集预测肺磨玻璃结节2 年生长的价值，研究通过将放射组学特征与临床参数相结合，开发了一种放射组学列线图，可以很容易地用于CT不确定的小肺结节的个体化两年生长预测。（3）建立基于CT放射组学和临床特征的列线图预测早期肺腺癌表皮生长因子受体(EGFR)突变。研究证明在I期至III期肺腺癌中，放射组学特征与EGFR突变状态相关。放射组学特征和临床特征的结合，利用所提供的列线图，为预测EGFR突变状态提供了中等的识别效率和高灵敏度，为临床医生提供了更多的信息，以指导围绕EGFR检测的决策过程。（4）使用深度学习的后续计算机断层扫描对肺结节生长建模的未来图像。我们的试点研究表明，在小数据集上训练时，基于后续CT扫描的肺结节可视化预测系统可以帮助卫生工作者更有效、更智能地管理肺结节。在未来的研究中用更大的数据集进行验证，并与自动分割相结合，该预测系统有潜力成为肺结节的自动虚拟随访CT系统。