Анализ изображений на основе ПЭТ/КТ и машинное обучение гиперметаболических поражений легких
22 июля 2025 г. обновлено: Hu Jiajia, Ruijin Hospital
Различение легочной лимфомы и других гиперметаболических поражений на основе ПЭТ/КТ с помощью визуализационных проявлений и методов машинного обучения: многоцентровое ретроспективное исследование
Сначала мы анализируем типы, результаты визуализации и соответствующие ответы на лечение на основе ПЭТ/КТ, чтобы получить более полное представление о лимфомах легких.
Затем будут разработаны некоторые модели, основанные на особенностях радиомики, для проверки возможности дифференциации лимфом легких с помощью машинного обучения и разработки модели многоклассовой классификации.
Конечная цель этого исследования — разработать набор моделей глубокого обучения для предварительной сегментации поражений легких и многоклассовой классификации. Модели будут классифицировать поражения легких, вызывающие ФДГ, на четыре группы, каждая из которых определяется их патологическим происхождением, основным лечением и соответствующим клиническим отделением.
Обзор исследования
Статус
Завершенный
Вмешательство/лечение
Подробное описание
- Программное обеспечение для извлечения признаков локального изображения (LIFEx, версия 7.4.0, Франция) был использован для просмотра изображений и измерения соответствующих данных. Трое наблюдателей независимо друг от друга интерпретировали изображения. В случае разногласий мнение старшего врача с более чем десятилетним опытом имело приоритет. Результаты визуализации были записаны на основе исходных исследований. Количество поражений, их расположение и описательные метки систематически регистрировались в соответствии с нормами, изложенными в отчете о визуализации. Для сортировки и расчета данных использовалось статистическое программное обеспечение SPSS (v26.0). Критерий хи-квадрат использовался для сравнения SPL и PPL на основе категориальных переменных, таких как результаты КТ, тогда как T-критерий использовался для оценки непрерывных переменных, таких как гликемия и SUV. Учитывая преобладание категориальных переменных, для оценки ответа на лечение и эффективности визуализации использовался хи-квадрат или точный критерий Фишера (для образцов <40 или >20% клеток с <5 ожидаемыми числами). Коэффициент корреляции Спирмена использовался для анализа взаимосвязи между категориальными и непрерывными переменными, основанными на SUV.
- В этом исследовании объем метаболической опухоли при относительном пороге 40% (MTV40%) был выбран в качестве интересующего объема (VOI) для анализа изображений. Для извлечения признаков мы использовали набор инструментов для извлечения радиомикрофонных признаков PyRadiomics (v3.1.0) на основе Python (v3.11.7), наряду с библиотекой обработки медицинских изображений SimpleITK (v2.3.1), библиотекой численных вычислений и манипулирования данными Numpy (v1.26.2) и библиотекой вейвлет-преобразования PyWavelet (v1.5.0). Выбор функций проводился с помощью RStudio (v.2023.12.0+369) на базе языка программирования R (v4.2.0). Чтобы обеспечить эффективность вычислений и избежать переобучения, количество сохраняемых признаков было ограничено 10% или менее от количества поражений в обучающем наборе. Анализ и проверка модели также в основном выполнялись с использованием RStudio.
- Исследование глубокого обучения делит задачу выявления и классификации гиперметаболических поражений легких на два этапа: сегментацию и классификацию. На этапе сегментации мы сначала использовали 2D-модель Lungmask с открытым исходным кодом для автоматического вырезания области легких из изображений ПЭТ/КТ всего тела, гарантируя, что последующая обработка будет сосредоточена на области легких. Затем мы разработали 3D-модель UNet с остаточными модулями, специально предназначенную для сегментации гиперметаболических поражений легких. Эта модель использует обрезанные изображения ПЭТ/КТ в качестве входных данных, эффективно извлекая информацию о поражениях из трехмерных изображений и точно сегментируя области гиперметаболических поражений легких. Затем модель была применена как к внутренним наборам тестов, так и к внешним наборам проверки для вывода, в результате чего были получены следующие результаты: извлечение ROI, содержащих очаги поражения.
Тип исследования
Наблюдательный
Регистрация (Действительный)
647
Контакты и местонахождение
В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.
Места учебы
-
-
Shanghai
-
Shanghai, Shanghai, Китай, 200025
- Ruijin Hospital affiliated to Shanghai Jiao Tong University of Medicine
-
-
Критерии участия
Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Нет
Метод выборки
Невероятностная выборка
Исследуемая популяция
В это ретроспективное исследование были включены пациенты, прошедшие ПЭТ/КТ-обследование в отделении ядерной медицины с января 2015 года по февраль 2024 года в 5 учреждениях: больнице Жуйцзинь, Протонном центре Северной больницы Жуйцзинь, Шанхайской легочной больнице, Народной больнице Луань провинции Аньхой и Дочерняя больница Нанкинского университета традиционной китайской медицины.
Описание
Критерии включения:
- Взрослые пациенты (≥18 лет);
- Первичная или рецидивирующая лимфома через ≥6 месяцев после последнего лечения; пациенты с первичным раком легких без предшествующего злокачественного новообразования;
- Доброкачественные солидные поражения легких без предшествующего злокачественного новообразования;
- Легочные метастазы, нелеченные лучевой терапией легких или имплантацией частиц;
- Базовая оценка, выявляющая ПЭТ-положительные поражения легких.
- Патологические результаты в течение 3 месяцев с даты обследования, подтвержденные типы поражения легких с помощью трахеоскопии, пункции легкого или хирургического вмешательства.
- Оставшиеся исходные поражения легких расцениваются как лимфома легких (или метастазы) на основании последующей клинической и визуализирующей оценки.
Критерии исключения:
- Плохое качество изображения;
- Невозможность очертить границы поражения легких на КТ-изображениях;
- Артефакты, вызванные расположенными поблизости устройствами, такими как стенты или дренажные трубки.
Учебный план
В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
|---|---|
|
Легочная лимфома
(1) Взрослые пациенты (≥18 лет).
(2) Пациенты с первичной или рецидивирующей лимфомой в течение ≥6 месяцев после последнего лечения.
(3) Базовая оценка в больнице выявила ПЭТ-положительные поражения легких, максимальный диаметр по данным КТ ≥3 мм, видимые на ≥2 слоях изображения.
(4) Патологические результаты в течение 3 месяцев с даты обследования, подтвержденные типы поражения легких с помощью трахеоскопии, пункции легкого или хирургического вмешательства.
Или исходные легочные поражения лимфомы, диагностированные при пункции лимфатического узла и наружного легкого, по-прежнему считаются легочной лимфомой на основании последующей клинической и визуализирующей оценки.
|
Наблюдайте за медицинскими изображениями с помощью рабочей станции или локального программного обеспечения для анализа изображений.
Извлечение функции изображения с помощью радиомики или методов глубокого обучения
|
|
Рак легких
(1) Взрослые пациенты (≥18 лет).
(2) Пациенты с первичным раком легких без предшествующего злокачественного новообразования (3) Исходная оценка в больнице выявила ПЭТ-положительные поражения легких, максимальный диаметр по данным КТ ≥3 мм, видимый на ≥2 слоях изображения.
(4) Патологические результаты в течение 3 месяцев с даты обследования, подтвержденные типы поражения легких с помощью трахеоскопии, пункции легкого или хирургического вмешательства.
|
Наблюдайте за медицинскими изображениями с помощью рабочей станции или локального программного обеспечения для анализа изображений.
Извлечение функции изображения с помощью радиомики или методов глубокого обучения
|
|
Доброкачественный
(1) Взрослые пациенты (≥18 лет).
(2) Пациенты с доброкачественными солидными поражениями легких без предшествующего злокачественного новообразования.
(3) Базовая оценка в больнице выявила ПЭТ-положительные поражения легких, максимальный диаметр по данным КТ ≥3 мм, видимые на ≥2 слоях изображения.
(4) Патологические результаты в течение 3 месяцев с даты обследования, подтвержденные типы поражения легких с помощью трахеоскопии, пункции легкого или хирургического вмешательства.
|
Наблюдайте за медицинскими изображениями с помощью рабочей станции или локального программного обеспечения для анализа изображений.
Извлечение функции изображения с помощью радиомики или методов глубокого обучения
|
|
Метастазирование
(1) Взрослые пациенты (≥18 лет).
(2) Пациенты с метастатическими поражениями легких, не получавшие лучевую терапию легких или имплантацию частиц.
(3) Базовая оценка в больнице выявила ПЭТ-положительные поражения легких, максимальный диаметр по данным КТ ≥3 мм, видимые на ≥2 слоях изображения.
(4) Патологические результаты в течение 3 месяцев с даты обследования, подтвержденные типы поражения легких с помощью трахеоскопии, пункции легкого или хирургического вмешательства.
Или исходные поражения легких метастазами, диагностированные при пункции лимфатических узлов и наружных легких, по-прежнему считаются легочными метастазами на основании последующей клинической и визуализационной оценки.
|
Наблюдайте за медицинскими изображениями с помощью рабочей станции или локального программного обеспечения для анализа изображений.
Извлечение функции изображения с помощью радиомики или методов глубокого обучения
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Временное ограничение |
|---|---|
|
Возможности визуализации/радиомики/глубокого обучения ПЭТ/КТ-изображений 18F-FDG
Временное ограничение: Базовый уровень
|
Базовый уровень
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Эффективность модели сегментации
Временное ограничение: сразу после разработки и тестирования моделей
|
Эффективность модели сегментации оценивается по частоте обнаружения поражений и коэффициенту сходства Дайса (2(A∩B)/(A+B), A=объем сегментированных вокселей, B=объем основной истины), которые оба описывают точность разделения очага поражения и фона.
|
сразу после разработки и тестирования моделей
|
|
Эффективность модели классификации
Временное ограничение: сразу после разработки и тестирования моделей
|
Модель классификации оценивается точностью [ (TP+TN)/(TP+FP+TN+FN) ], точностью [TP/(TP+FP)], полнотой [TP/(TP+FN)], F1- оценка [2*точность*отзыв/(точность+отзыв)], которая описывает соотношение правильно или ошибочно классифицированных поражений образцов с разных аспектов.
Кривая рабочей характеристики приемника (ROC) может проиллюстрировать это более наглядно.
Площадь под кривой (AUC) рассчитывала долю площади под кривой ROC в диапазоне от 0 до 1, что представляет собой общую эффективность классификации в каждой группе.
|
сразу после разработки и тестирования моделей
|
Соавторы и исследователи
Здесь вы найдете людей и организации, участвующие в этом исследовании.
Даты записи исследования
Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.
Изучение основных дат
Начало исследования (Действительный)
1 апреля 2024 г.
Первичное завершение (Действительный)
20 июля 2024 г.
Завершение исследования (Действительный)
30 апреля 2025 г.
Даты регистрации исследования
Первый отправленный
11 сентября 2024 г.
Впервые представлено, что соответствует критериям контроля качества
17 сентября 2024 г.
Первый опубликованный (Действительный)
19 сентября 2024 г.
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
23 июля 2025 г.
Последнее отправленное обновление, отвечающее критериям контроля качества
22 июля 2025 г.
Последняя проверка
1 июля 2025 г.
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
- RuijinH 2024-70
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
НЕТ
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Нет
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Нет
продукт, произведенный в США и экспортированный из США.
Нет
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .