[1]陈文韬,孙磊,谭爱斌,等.基于CT的影像组学特征同临床物理剂量特征预测肺癌放疗放射性肺炎研究[J].中国医学物理学杂志,2021,38(6):672-676.[doi:DOI:10.3969/j.issn.1005-202X.2021.06.003]
　CHEN Wentao,SUN Lei,et al.Prediction of radiation pneumonia in lung cancer patients by CT-based radiomics signatures and clinical physical dosimetric features[J].Chinese Journal of Medical Physics,2021,38(6):672-676.[doi:DOI:10.3969/j.issn.1005-202X.2021.06.003]
点击复制

基于CT的影像组学特征同临床物理剂量特征预测肺癌放疗放射性肺炎研究()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
38卷
期数:
2021年第6期
页码:
672-676
栏目:
医学放射物理
出版日期:
2021-06-29

文章信息/Info

Title:
Prediction of radiation pneumonia in lung cancer patients by CT-based radiomics signatures and clinical physical dosimetric features
文章编号:
1005-202X（2021）06-0672-05
作者:
陈文韬1; 2; 孙磊1; 谭爱斌3; 唐世强2; 陈芬2; 肖建彪2; 王志芳2; 甄鑫1
1.南方医科大学生物医学工程学院， 广东 广州 510515； 2.郴州市第一人民医院放疗中心， 湖南 郴州 423000； 3.郴州市第一人民医院北院门诊， 湖南 郴州 423000
Author(s):
CHEN Wentao1;  2;  SUN Lei1;  TAN Aibin3;  TANG Shiqiang2;  CHEN Fen2;  XIAO Jianbiao2;  WANG Zhifang2;  ZHEN Xin1
1. School of Biomedical Engineering, Southern Medical University, Guangzhou 510515, China 2. Radiotherapy Center, Chenzhou No.1 Peoples Hospital, Chenzhou 423000, China 3. Outpatient Department, North Hospital of Chenzhou No.1 Peoples Hospital, Chenzhou 423000, China
关键词:
肺癌; 放射性肺炎; 特征提取; 影像组学; 分类器
Keywords:
Keywords: lung cancer radiation pneumonia feature extraction radiomics classifier
分类号:
R312；R818.7
DOI:
DOI:10.3969/j.issn.1005-202X.2021.06.003
文献标志码:
A
摘要:
目的：探讨基于CT的影像组学特征同临床物理剂量特征预测肺癌放疗放射性肺炎研究。方法：回顾性收集2013年1月至2017年1月进行放射治疗的83例肺癌患者的临床物理剂量参数和CT影像以及随访数据。从病例的CT图像中提取107个影像组学特征，结合对应的45个临床物理剂量特征，每例病例共收集152个特征。基于22种特征提取算法和8种分类器构建的176个鉴别模型分析152个特征预测放射性肺炎的准确性以及筛选优势特征的能力。结果：临床物理剂量特征和影像组学特征预测放射性肺炎的鉴别模型中AUC值最高为0.90。前5位的优势特征是：shape_Maximum2DDiameterColumn、shape_Maximum3DDiameter、V20、glcm_Imc1、V45。结论：临床物理剂量特征和影像组学特征通过不同分类器和特征选择算法组合的鉴别模型，可以筛选出理想的鉴别模型以及优势预测特征。
Abstract:
Abstract: Objective To combine CT-based radiomics signatures with clinical physical dosimetric features for predicting radiation pneumonitis in lung cancer patients. Methods The clinical physical dosimetric features, CT images and follow-up data of 83 patients with lung cancer who underwent radiotherapy from January 2013 to January 2017 were retrospectively collected. A total of 152 features, including 107 radiomics signatures extracted from the CT images and 45 clinical physical dosimetric features, were collected for each case. Based on 22 feature extraction methods and 8 classifiers, 176 identification models were constructed to analyze the accuracy of 152 features in predicting radiation pneumonia and to evaluate the ability to screen dominant features. Results The highest AUC in the identification model for predicting radiation pneumonitis by clinical physical dosimetric parameter combined with radiomics signatures was 0.90. The top 5 dominant features included shape_Maximum2DDiameterColumn, shape_Maximum3DDiameter, V20, glcm_Imc1 and V45. Discussion The ideal identification model and superior prediction features can be screened from identification models constructed by the combination of different classifiers and feature selection algorithms based on clinical physical dosimetric features and radiomics signatures.

相似文献/References:

[1]史贵连,叶福丽.肺癌调强放疗计划的设计[J].中国医学物理学杂志,2015,32(03):361.[doi:10.3969/j.issn.1005-202X.2015.03.013]
[2]朱夫海,吴伟章,王 勇,等.肺癌螺旋断层放疗计划设计的初步研究[J].中国医学物理学杂志,2014,31(04):4979.[doi:10.3969/j.issn.1005-202X.2014.04.002]
[3]翁邓胡,王 建,尹中明,等.基于锥形束CT研究肺癌图像引导放疗的内靶区外放边界值[J].中国医学物理学杂志,2014,31(04):5012.[doi:10.3969/j.issn.1005-202X.2014.04.009]
[4]彭莹莹,张书旭,谭剑明,等.基于PCNN的PET/CT图像分割在肺癌靶区勾画中的应用[J].中国医学物理学杂志,2014,31(04):5022.[doi:10.3969/j.issn.1005-202X.2014.04.011]
[5]王 涛,王运来.基于4D-CT和Mimics软件模拟分析肺癌肿瘤的呼吸运动规律[J].中国医学物理学杂志,2014,31(05):5132.[doi:10.3969/j.issn.1005-202X.2014.05.008]
[6]周 琼,周剑良,张一戈,等.基于锥形束CT肺癌放射治疗两种体位固定技术摆位误差的研究[J].中国医学物理学杂志,2014,31(06):5258.[doi:10.3969/j.issn.1005-202X.2014.06.008]
[7]张矛,金海国,苏清秀,等.肺癌静态调强与容积旋转调强放射治疗间比较[J].中国医学物理学杂志,2013,30(05):4364.[doi:10.3969/j.issn.1005-202X.2013.05.006]
[8]罗焕丽,靳富,王颖,等.肿瘤放疗中体外误差与体内误差的关联性[J].中国医学物理学杂志,2016,33(1):10.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.003]
　[J].Chinese Journal of Medical Physics,2016,33(6):10.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.003]
[9]王琳婧,张书旭,袁克虹,等.基于图像变形配准的肺癌自适应放疗剂量学研究[J].中国医学物理学杂志,2016,33(1):16.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.004]
　[J].Chinese Journal of Medical Physics,2016,33(6):16.[doi:DOI:10.3969/j.issn.1005-202X.2016.01.004]
[10]李政良,等.4DCT下肺癌大体肿瘤的变化及相关因素分析[J].中国医学物理学杂志,2016,33(2):208.[doi:10.3969/j.issn.1005-202X.2016.02.021]
[11]张彦秋,韩阿蒙,李金旺,等. 容积旋转调强放射治疗肺癌患者放射性肺炎发生的相关因素分析[J].中国医学物理学杂志,2018,35(7):771.[doi:DOI:10.3969/j.issn.1005-202X.2018.07.006]
　ZHANG Yanqiu,HAN Ameng,LI Jinwang,et al. Analysis of factors predicting radiation pneumonitis in volumetric modulated arc therapy of lung cancer[J].Chinese Journal of Medical Physics,2018,35(6):771.[doi:DOI:10.3969/j.issn.1005-202X.2018.07.006]

备注/Memo

备注/Memo:
【收稿日期】2021-04-08 【基金项目】国家自然科学基金（81874216）；郴州市科技项目（jsyf2017030） 【作者简介】陈文韬，工程师，研究方向：肿瘤放射物理，E-mail:cwt198321@sina.com 【通信作者】甄鑫，副教授，研究方向：肿瘤放射物理，E-mail: xinzhen@smu.edu.cn
更新日期/Last Update: 2021-06-29