Hypermetabolisten keuhkovaurioiden PET/CT-pohjainen kuvaanalyysi ja koneoppiminen
tiistai 22. heinäkuuta 2025 päivittänyt: Hu Jiajia, Ruijin Hospital
PET/CT-kuvaukseen perustuva keuhkolymfooman ja muiden hypermetabolisten leesioiden erottaminen kuvantamisilmiöiden ja koneoppimistekniikoiden avulla: monikeskustainen retrospektiivinen tutkimus
Ensin analysoimme tyypit, kuvantamislöydökset ja asiaankuuluvat hoitovasteet PET/CT:n perusteella saadaksemme kattavamman kuvan keuhkolymfoomista.
Sitten kehitetään joitakin radiomiikan ominaisuuksiin perustuvia malleja, joilla varmistetaan mahdollisuus erottaa keuhkolymfoomat koneoppimisen avulla ja kehitetään moniluokkainen luokitusmalli.
Tämän tutkimuksen lopullisena tavoitteena on kehittää joukko syväoppimismalleja alustavaa keuhkoleesion segmentointia ja moniluokkaista luokittelua varten. Mallit luokittelevat FDG:tä innokkaat keuhkovauriot neljään ryhmään, joista kukin määritellään niiden patologisen alkuperän, ensisijaisen hoidon ja asiaankuuluvan kliinisen osaston perusteella.
Tutkimuksen yleiskatsaus
Tila
Valmis
Interventio / Hoito
Yksityiskohtainen kuvaus
- Paikallisten kuvaominaisuuksien purkuohjelmisto (LIFEx, v 7.4.0, Ranska) käytettiin kuvien tarkasteluun ja asiaankuuluvien tietojen mittaamiseen. Kolme tarkkailijaa tulkitsi kuvia itsenäisesti. Erimielisyydessä pidettiin yli vuosikymmenen kokemuksen omaavan lääkärin lausunto etusijalla. Kuvantamislöydökset kirjattiin perustutkimusten perusteella. Leesioiden määrät, sijainnit ja kuvaavat merkinnät kirjattiin systemaattisesti kuvantamisraportissa esitettyjen normien mukaisesti. Tietojen lajittelussa ja laskennassa käytettiin tilastoohjelmistoa SPSS (v26.0). Khin neliötestiä käytettiin SPL:n ja PPL:n vertailuun kategoristen muuttujien, kuten TT-löydösten, perusteella, kun taas T-testiä käytettiin jatkuvien muuttujien, kuten glykemian ja SUV:n, arvioimiseen. Kategoristen muuttujien vallitsevuuden vuoksi käytettiin khin neliötä tai Fisherin tarkkaa testiä (näytteet < 40 tai > 20 % soluista, joiden odotettu määrä oli < 5) arvioitaessa hoitovastetta ja kuvantamisen suorituskykyä. Spearmanin korrelaatiokerrointa käytettiin analysoimaan kategoristen ja SUV-pohjaisten jatkuvien muuttujien välistä suhdetta.
- Tässä tutkimuksessa metabolisen kasvaimen tilavuus suhteellisella kynnysarvolla 40 % (MTV40 %) valittiin kiinnostavaksi tilavuudeksi (VOI) kuva-analyysiä varten. Ominaisuuksien purkamiseen käytimme Python (v3.11.7) -pohjaista radiomiikkaominaisuuksien poiminnan työkalupakkia PyRadiomics (v3.1.0), sekä lääketieteellisen kuvankäsittelykirjasto SimpleITK (v2.3.1), numeerinen laskenta- ja tietojenkäsittelykirjasto Numpy (v1.26.2) ja wavelet-muunnoskirjasto PyWavelet (v1.5.0). Ominaisuuden valinta tehtiin R-ohjelmointikieleen (v4.2.0) perustuvalla RStudiolla (v.2023.12.0+369). Laskennallisen tehokkuuden varmistamiseksi ja liiallisen sovituksen välttämiseksi säilytettyjen ominaisuuksien määrä rajoitettiin 10 prosenttiin tai vähemmän koulutussarjan leesioiden lukumäärästä. Mallin analysointi ja validointi suoritettiin myös pääsääntöisesti RStudiolla.
- Syväoppimistutkimus jakaa hypermetabolisten keuhkovaurioiden tunnistamisen ja luokittelun kahteen vaiheeseen: segmentointiin ja luokitteluun. Segmentointivaiheessa käytimme ensin avoimen lähdekoodin 2D-mallia Lungmask rajataksemme automaattisesti keuhkoalueen koko kehon PET/CT-kuvista varmistaen, että myöhemmässä käsittelyssä keskitytään keuhkojen alueelle. Seuraavaksi kehitimme 3D UNet -mallin jäännösmoduuleilla, jotka on suunniteltu erityisesti hypermetabolisten keuhkovaurioiden segmentointiin. Tämä malli ottaa rajatut PET/CT-kuvat syötteeksi, poimii tehokkaasti leesiotiedot kolmiulotteisista kuvista ja segmentoi tarkasti hypermetaboliset keuhkovaurioalueet. Tämän jälkeen mallia sovellettiin sekä sisäisiin testisarjoihin että ulkoisiin validointisarjoihin päätelmiä varten, mikä johti vaurioita sisältävien ROI:iden poistaminen.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
647
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Shanghai
-
Shanghai, Shanghai, Kiina, 200025
- Ruijin Hospital affiliated to Shanghai Jiao Tong University of Medicine
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Tähän retrospektiiviseen tutkimukseen otettiin potilaita, joille tehtiin PET/CT-tutkimukset ydinlääketieteen osastolla tammikuusta 2015 helmikuuhun 2024 viidessä laitoksessa: Ruijinin sairaalassa, Ruijinin pohjoissairaalan protonikeskuksessa, Shanghain keuhkosairaalassa, Anhuin maakunnan Lu'anin kansansairaalassa ja Nanjingin perinteisen kiinalaisen lääketieteen yliopiston sidossairaala.
Kuvaus
Sisällön kriteerit:
- Aikuiset potilaat (≥ 18 vuotta);
- Primaarinen tai uusiutuva lymfooma, ≥6 kuukautta viimeisestä hoidosta; primaariset keuhkosyöpäpotilaat, joilla ei ole aiempaa maligniteettia;
- Hyvänlaatuiset kiinteät keuhkovauriot ilman aikaisempaa maligniteettia;
- Keuhkojen etäpesäke, jota ei ole hoidettu keuhkojen sädehoidolla tai partikkelien implantaatiolla;
- Lähtötilanteen arviointi, joka paljastaa PET-positiivisia keuhkovaurioita.
- Patologiset tulokset 3 kuukauden sisällä tutkimuspäivästä, vahvistetut keuhkovauriotyypit trakeoskopialla, keuhkopunktiolla tai leikkauksella.
- Perustason keuhkovaurioita pidetään keuhkolymfoomana (tai etäpesäkkeinä) kliinisen seuranta- ja kuvantamisarvioinnin perusteella.
Poissulkemiskriteerit:
- huono kuvanlaatu;
- Kyvyttömyys rajata keuhkovaurioiden rajoja TT-kuvissa;
- Lähellä olevien laitteiden, kuten stenttien tai tyhjennysputkien, aiheuttamat esineet.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Keuhkolymfooma
(1) Aikuiset potilaat (≥ 18 vuotta).
(2) Potilaat, joilla on primaarinen tai uusiutuva lymfooma, ≥6 kuukautta viimeisestä hoidosta.
(3) Perustason arviointi sairaalassa paljasti PET-positiivisia keuhkovaurioita, TT:llä mitattu maksimihalkaisija ≥3 mm, näkyvissä ≥2 kuvakerroksen yli.
(4) Patologiset tulokset 3 kuukauden sisällä tutkimuspäivästä, vahvistetut keuhkovauriotyypit trakeoskopialla, keuhkopunktiolla tai leikkauksella.
Tai lymfooman keuhkovauriot, jotka on diagnosoitu imusolmukkeilla ja ulkoisella keuhkopunktiolla, katsotaan edelleen keuhkolymfoomaksi kliinisen seuranta- ja kuvantamisarvioinnin perusteella.
|
Tarkkaile lääketieteellisiä kuvia työpisteen tai paikallisen kuva-analyysiohjelmiston avulla
Kuvaominaisuuden purkaminen radiomiikin tai syvän oppimismenetelmien avulla
|
|
Keuhkosyöpä
(1) Aikuiset potilaat (≥ 18 vuotta).
(2) Potilaat, joilla oli primaarinen keuhkosyöpäpotilaita, joilla ei ole aiempaa maligniteettia (3) Sairaalassa tehdyssä lähtötilanteessa havaittiin PET-positiivisia keuhkovaurioita, TT-mittattu maksimihalkaisija ≥3 mm, näkyvissä ≥2 kuvakerroksen läpi.
(4) Patologiset tulokset 3 kuukauden sisällä tutkimuspäivästä, vahvistetut keuhkovauriotyypit trakeoskopialla, keuhkopunktiolla tai leikkauksella.
|
Tarkkaile lääketieteellisiä kuvia työpisteen tai paikallisen kuva-analyysiohjelmiston avulla
Kuvaominaisuuden purkaminen radiomiikin tai syvän oppimismenetelmien avulla
|
|
Hyvänlaatuinen
(1) Aikuiset potilaat (≥ 18 vuotta).
(2) Potilaat, joilla on hyvänlaatuisia kiinteitä keuhkovaurioita, joilla ei ole aiempaa maligniteettia.
(3) Perustason arviointi sairaalassa paljasti PET-positiivisia keuhkovaurioita, TT:llä mitattu maksimihalkaisija ≥3 mm, näkyvissä ≥2 kuvakerroksen yli.
(4) Patologiset tulokset 3 kuukauden sisällä tutkimuspäivästä, vahvistetut keuhkovauriotyypit trakeoskopialla, keuhkopunktiolla tai leikkauksella.
|
Tarkkaile lääketieteellisiä kuvia työpisteen tai paikallisen kuva-analyysiohjelmiston avulla
Kuvaominaisuuden purkaminen radiomiikin tai syvän oppimismenetelmien avulla
|
|
Metastaasi
(1) Aikuiset potilaat (≥ 18 vuotta).
(2) Keuhkomeastaattiset potilaat, joita ei ole hoidettu keuhkojen sädehoidolla tai hiukkasten implantaatiolla.
(3) Perustason arviointi sairaalassa paljasti PET-positiivisia keuhkovaurioita, TT:llä mitattu maksimihalkaisija ≥3 mm, näkyvissä ≥2 kuvakerroksen yli.
(4) Patologiset tulokset 3 kuukauden sisällä tutkimuspäivästä, vahvistetut keuhkovauriotyypit trakeoskopialla, keuhkopunktiolla tai leikkauksella.
Tai imusolmukkeilla ja ulkoisella keuhkopunktiolla diagnosoitujen metastaasien peruskeuhkovaurioita pidetään edelleen keuhkojen etäpesäkkeinä kliinisen seuranta- ja kuvantamisarvioinnin perusteella.
|
Tarkkaile lääketieteellisiä kuvia työpisteen tai paikallisen kuva-analyysiohjelmiston avulla
Kuvaominaisuuden purkaminen radiomiikin tai syvän oppimismenetelmien avulla
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Aikaikkuna |
|---|---|
|
18F-FDG PET/CT-kuvan kuvantamis-/radiomiikka-/syväoppimisominaisuudet
Aikaikkuna: Perustaso
|
Perustaso
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Segmentointimallin tehokkuus
Aikaikkuna: heti mallien kehittämisen ja testauksen jälkeen
|
Segmentointimallin tehokkuutta arvioidaan leesioiden havaitsemisnopeudella ja Dice-samankaltaisuuskertoimella (2(A∩B)/(A+B), A=segmentoitu vokselin tilavuus, B=pohjatotuustilavuus), jotka molemmat kuvaavat leesion ja taustan jakamisen tarkkuus.
|
heti mallien kehittämisen ja testauksen jälkeen
|
|
Luokittelumallin tehokkuus
Aikaikkuna: heti mallien kehittämisen ja testauksen jälkeen
|
Luokittelumallia arvioivat tarkkuus [ (TP+TN)/(TP+FP+TN+FN) ] , tarkkuus [TP/(TP+FP)], muistaminen [TP/(TP+FN)], F1- pistemäärä [2*tarkkuus*palautus/(tarkkuus+palautus)], joka kaikki kuvaa näytteiden oikein tai väärin luokiteltujen leesioiden suhdetta eri näkökulmista.
Vastaanottimen toimintakäyrä (ROC) voi havainnollistaa tätä visuaalisesti.
Area under the curve (AUC) laski ROC-käyrän alla olevan pinta-alan osuuden, joka vaihtelee välillä 0-1, mikä edustaa luokituksen kokonaistehokkuutta kussakin ryhmässä.
|
heti mallien kehittämisen ja testauksen jälkeen
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Maanantai 1. huhtikuuta 2024
Ensisijainen valmistuminen (Todellinen)
Lauantai 20. heinäkuuta 2024
Opintojen valmistuminen (Todellinen)
Keskiviikko 30. huhtikuuta 2025
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 11. syyskuuta 2024
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Tiistai 17. syyskuuta 2024
Ensimmäinen Lähetetty (Todellinen)
Torstai 19. syyskuuta 2024
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Keskiviikko 23. heinäkuuta 2025
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 22. heinäkuuta 2025
Viimeksi vahvistettu
Tiistai 1. heinäkuuta 2025
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- RuijinH 2024-70
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Yhdysvalloissa valmistettu ja sieltä viety tuote
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .