检索历史 清除

摘要鼻咽癌是起源于咽喉和鼻道之间鼻咽黏膜衬里上皮细胞的恶性肿瘤，其临床分期主要遵循第八版UICC/AJCCTNM分期系统，其中T分期(T1-T4)描述原发肿瘤的大小及是否侵犯附近组织，对于个体化放疗计划的制定至关重要。<br>　　在临床实践中，医生通过筛查鼻咽癌患者的影像数据来确定T分期。然而,鼻咽区域十分隐蔽，周围区域的邻近关系极为复杂，且临床表现存在差异，这使得对于放射科医师的经验依赖性很强。此外，由于患者的影像数据数量庞大,手动逐层阅片的过程非常耗时。因此，基于计算机实现鼻咽癌自动T分期已成为必然趋势。<br>　　基于此，本文提出了整合诊断知识的深度学习框架，用于鼻咽癌自动T分期。本论文主要包括以下两个工作:<br>　　(1)多视角信息聚合的鼻咽癌自动T分期诊断模型。我们提出了一个多分支聚合框架，以不同的诊断特征指导网络在T1加权对比增强(T1CE)MR图像上对鼻咽癌进行自动T分期。具体来说，我们的多分支聚合框架集成了一个基本分支，用于提取肿瘤的大小和灰度信息;一个背景分支，用于提取与肿瘤密切相关的背景;一个显著定位分支，用于提取肿瘤与周围组织之间位置关联。最后，多分支聚合框架通过对我们提出的三个分支产生的结果进行聚合和投票,得到T1-T4多分类输出。本方法的平均曲线下面积(areaunderthecurve,AUC)高达87.95％,优于传统组学方式和现有深度学习方法，证明了结合诊断知识的有效性。<br>　　（2）跨域互助学习框架同时实现鼻咽癌原发肿瘤分割以及T分期诊断。目前很少有基于深度学习的T分期方法被提出，且现有的模型往往由于忽视与T分期诊断相关的关键领域知识而性能欠佳。为了解决这些局限性，我们提出了一个新颖的、端到端的跨域互助学习框架，以任务特定的多域诊断知识为指导，实现了鼻咽癌原发肿瘤诊断的全流程自动化。首先，我们设计了一个三维跨域知识感知网络（CKPnet）,以完成原发肿瘤分割的第一步，挖掘跨域不变的信息，强调肿瘤强度的变化和肿瘤内部的异质性。然后，提出了一个多域互信息共享融合网络（M2SFnet）,该网络主要由两部分组成:双通路域特定表示模块和互信息融合模块。其中，双通路域特定表示模块显著增强了模型提取肿瘤浸润程度信息的能力，而互信息融合模块高效地整合了跨领域、多尺度的T分期诊断导向特征，从而提高了诊断能力。实验结果表明，本方法的平均曲线下面积（areaunderthecurve,AUC）达到了90％,显著提高了鼻咽癌T分期诊断的性能，并且优于目前最先进的方法。本方法在实验中不仅在分类精度上达到最优的结果（76.88％）,同时得到可靠的原发肿瘤分割结果。