基于影像组学和统计学习的直肠癌淋巴结转移诊断模型开题报告
2022-02-02 21:48:16
1. 研究目的与意义、国内外研究现状(文献综述)
课题意义
直肠癌是指从齿状线至直肠乙状结肠交界处之间的恶性肿瘤,是消化道最常见的恶性肿瘤之一[1]。近几年在中国,直肠癌的发病率越来越高,目前已成为全球发病率第三、死亡率第四的癌症[2],而治愈率未见明显改善。治疗直肠癌惟一确实有效的治疗方法是手术切除肿瘤,对进展期患者,还需辅以化疗等辅助治疗。直肠癌易向肠外浸润并发生淋巴结及远处转移,一旦发生转移病人常常需先进行辅助放化疗才能获得手术机会,患者预后较早期直肠癌患者的预后差。由于直肠癌治疗模式的多样性,术前准确的tnm分期非常重要。这其中,淋巴结转移情况是重要因素之一,是综合治疗方案决策的重要依据。因此研究淋巴结转移对临床医学研究来说十分重要。目前研究直肠癌淋巴结转移常采用的是传统的影像组学的方法, 通过对医学影像进行图像分割、特征提取和特征选择、建模分析等步骤来构建评价模型。传统的影像组学的方法在一定程度上推进了对直肠癌淋巴结转移研究的进展且达到了较高的准确率,但仍然存在一定的局限性。传统影像学的特征指标大多数是检查者的主观判断,缺乏量化数据的的支持,因此不能成为统一的标准,具有主观性。近年来,随着图像处理与人工智能技术的发展,应用基于医学影像大数据的分析方法来辅助医生决策或者解决临床实践中的棘手问题成为研究热点。
2. 研究的基本内容和问题
研究目标
对直肠癌肿瘤ct图像从灰度、形状、纹理、hu矩阵四个方面进行特征提取,并用主成分分析、lasso方法进行选择;训练支持向量机、logistic回归、随机森林、bp神经网络等分类模型,比较优劣给出建议。
3. 研究的方法与方案
研究方法
纹理特征提取、灰度直方图特征提取、hu矩阵特征提取、几何特征提取、logistic回归、支持向量机、随机森林、bp神经网络
4. 研究创新点
特色、创新处
目前尚无一种方法能在术前准确地判断淋巴结转移情况,均为医生自身识别,此方法能够为淋巴结转移的临床诊断提供更加客观、全面的决策支持。
5. 研究计划与进展
研究计划预期进展
2020.2.20-2020.3.1 搜集相关资料