论文部分内容阅读
第一部分直肠癌淋巴结转移的风险因素分析及临床-超声列线图模型的构建【目的】本部分研究主要分析直肠癌淋巴结转移的危险因素,根据术前独立危险因素建立临床-超声列线图（Clinical-Ultrasound Nomogram,CUN）模型,用于预测直肠癌淋巴结转移状态。【方法】本部分研究回顾性分析79例直肠癌患者,将患者的一般临床资料、实验室生化资料、经直肠三维超声检查资料及病理检查资料根据病理淋巴结转移阳性与阴性情况分组,进行逻辑（Logistic）多因素回归分析,得出与直肠癌患者淋巴结转移相关的独立危险因素。从中寻找与直肠癌淋巴结转移相关的独立危险因素。根据术前独立危险因素构建临床-超声列线图模型以预测直肠癌患者淋巴结转移状态。【结果】超声报告的淋巴结状态、肿瘤病理T分期是淋巴结转移的独立危险因素。结合术前CEA、Ca199水平以及超声报告的淋巴结状态共同组成临床-超声列线图模型。预测模型校准曲线结果表明模型校准度好（P值分别为0.948和0.999）,ROC曲线结果表明模型预测能力较好（AUC在训练集和测试集中分别为0.734和0.692）。H-L测试检验列线图模型结果表明根据模型的预测值与实际观测数据差异不具有统计学意义（在训练集和测试集中P值分别为0.504和0.307）。【结论】超声报告的淋巴结状态、肿瘤病理T分期是直肠癌淋巴结转移相关的独立风险因素。结合术前CEA、Ca199水平以及超声报告的淋巴结状态组成的临床-超声列线图模型对淋巴结转移状态的预测性能较好,可用于直肠癌患者术前预测淋巴结转移。第二部分基于经直肠三维超声影像组学在预测直肠癌患者淋巴结转移的应用【目的】本部分研究主要探讨应用基于经直肠三维超声的影像组学方法进行直肠癌患者淋巴结转移状况预测的临床应用价值。【方法】本部分研究回顾性分析79例直肠癌患者,对其经直肠三维超声图像进行影像组学特征提取。随后,使用独立样本t检验或Welch’s T检验和最小绝对收缩和选择算子回归（Least absolute shrinkage and selection operator,LASSO）进行特征选择。根据最终筛选的特征建立六种机器学习分类器模型以预测直肠癌淋巴结状态,包括K最近邻（K-Nearest Neighbor,KNN）,逻辑回归（Logistics Regression,LR）,多层感知器（Muti-Layer Perception,MLP）,随机森林（Random Forest,RF）,决策树（Decision Tree,TREE）和支持向量机（Support Vector Machine,SVM）。绘制接收器工作特征曲线（ROC）并计算曲线下面积（AUC）、准确性、敏感性、特异性和约登指数（Youden index）以评估各个模型诊断性能。进行Delong测试（Delong Test）以检验模型间诊断性能的差异。【结果】本部分研究从经直肠三维超声图像中共提取了8个类别、1694个影像组学特征。其中34种影像组学特征与淋巴结转移状态显着相关（P<0.05）。经过特征选择最终筛选出10个特征以构建机器学习分类器模型。根据综合分析,LR模型和MLP模型诊断性能最好,其在训练集中的AUC分别为0.817和0.908,在测试集中的AUC分别为0.958和0.958。【结论】34种影像组学特征与淋巴结转移状态显着相关（P<0.05）。根据筛选后影像组学特征构建的LR、MLP模型在预测直肠癌淋巴结状态中性能最佳。应用影像组学可以准确术前评估直肠癌患者淋巴结转移状态。第三部分临床-超声-影像组学列线图模型的构建及临床-超声-影像组学列线图模型与临床-超声列线图模型诊断性能的比较【目的】本部分研究结合临床危险因素与超声影像组学特征构建临床-超声-影像组学列线图（Clinical-Ultrasound-Radiomics Nomogram,CURN）模型以预测直肠癌患者淋巴结转移状态,同时比较临床-超声-影像组学列线图模型与临床-超声列线图模型的诊断性能。【方法】本部分研究回顾性分析79例直肠癌患者,结合其术前独立危险因素及影像组学标签共同构建临床-超声-影像组学列线图模型以预测淋巴结转移状态。进行Delong测试（Delong Test）以检验临床-超声-影像组学列线图模型与临床-超声列线图模型诊断性能的差异。【结果】结合术前CEA、Ca199水平、超声报告的淋巴结状态以及影像组学标签共同组成临床-超声-影像组学列线图模型。ROC曲线结果表明模型预测能力良好（AUC在训练集和测试集中分别为0.908和0.888）,预测模型校准曲线结果表明模型校准度好（P值分别为0.921和0.848）。H-L测试检验列线图模型结果表明根据模型的预测值与实际观测数据差异不具有统计学意义（在训练集和测试集中P值分别为0.885和0.389）。Delong Test结果表明,临床-超声模型与临床-超声-影像组学模型诊断性能差异具有统计学意义（P=0.009）,两条ROC曲线间差异面积为0.173,标准误差为0.067,Z数为2.608。【结论】结合术前CEA、Ca199、超声报告的淋巴结状态、影像组学标签构建的临床-超声-影像组学列线图模型预测淋巴结转移状态性能优秀。临床-超声-影像组学列线图的诊断性能优于临床-超声列线图模型。