摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
中文部分 | 第7-90页 |
第一章 引言 | 第11-23页 |
1.1 研究背景 | 第11-12页 |
1.2 无创或微创地检测EGFR基因突变状态的相关研究现状 | 第12-15页 |
1.3 现有研究存在的问题 | 第15页 |
1.4 本研究的出发点 | 第15-16页 |
1.5 研究方法、理论基础和实验基础 | 第16-21页 |
1.5.1 研究方法 | 第16-17页 |
1.5.2 理论基础 | 第17页 |
1.5.3 实验基础 | 第17-21页 |
1.6 任务 | 第21页 |
1.7 涉及范围 | 第21页 |
1.8 预期成果 | 第21页 |
1.9 在已有的基础上解决的问题 | 第21-22页 |
1.10 本章小结 | 第22-23页 |
第二章 实验材料和方法 | 第23-40页 |
2.1 病人 | 第23-24页 |
2.1.1 时间段 | 第23页 |
2.1.2 纳入条件 | 第23页 |
2.1.3 排除条件 | 第23-24页 |
2.2 研究方法 | 第24-39页 |
2.2.1 构建训练集和验证集 | 第24-25页 |
2.2.2 EGFR基因检测方法 | 第25页 |
2.2.3 CT影像采集 | 第25-26页 |
2.2.4 ROI勾画 | 第26页 |
2.2.5 特征提取 | 第26-34页 |
2.2.6 构建分类模型 | 第34-38页 |
2.2.7 统计方法 | 第38-39页 |
2.3 本章小结 | 第39-40页 |
第三章 实验结果 | 第40-50页 |
3.1 入组患者的临床特征 | 第40-41页 |
3.2 特征提取 | 第41-43页 |
3.3 建模 | 第43-45页 |
3.4 模型效能的测试 | 第45-49页 |
3.5 耗时 | 第49页 |
3.6 本章小结 | 第49-50页 |
第四章 分析与讨论 | 第50-58页 |
4.1 结果分析 | 第50-51页 |
4.1.1 最佳的特征与建模方法 | 第50页 |
4.1.2 与已有研究的比较 | 第50-51页 |
4.2 影响结果的因素 | 第51-54页 |
4.2.1 影响影像组学特征建模效能的因素 | 第51-53页 |
4.2.2 影响卷积神经网络特征建模效能的因素 | 第53-54页 |
4.3 临床意义 | 第54-56页 |
4.3.1 对于预测EGFR突变状态的意义 | 第54-55页 |
4.3.2 优点与局限性 | 第55-56页 |
4.4 后续的研究方向 | 第56-57页 |
4.4.1 临床问题 | 第56-57页 |
4.4.2 方法探索 | 第57页 |
4.5 本章小结 | 第57-58页 |
第五章 结论 | 第58-59页 |
第六章 参考文献 | 第59-65页 |
第七章 附录 | 第65-88页 |
7.1 附录一、影像组学特征的定义 | 第65-76页 |
7.2 附录二、各影像组学特征在训练集单独判别的效能 | 第76-88页 |
第八章 致谢 | 第88-89页 |
第九章 攻读博士期间发表的论文 | 第89-90页 |
英文部分 | 第90-131页 |
1. INTRODUCTION | 第92-101页 |
1.1. BACKGROUND | 第92-93页 |
1.2. DETECT EGFR MUTATION NON-INVASIVELY:STATE OF THE ART | 第93-95页 |
1.3. PROBLEMS OF CURRENT STUDIES | 第95页 |
1.4. INTENSION OF THIS RESEARCH | 第95-96页 |
1.5. METHOD,THEORETICAL BASIS,AND EXPERIMENTAL BASIS | 第96-99页 |
1.5.1 Methods | 第96-97页 |
1.5.2 Theoretical basis | 第97页 |
1.5.3 Experimental basis | 第97-99页 |
1.6. TASKS | 第99页 |
1.7. RESEARCH AREAS | 第99-100页 |
1.8. OUTLOOK | 第100页 |
1.9. PROBLEMS SOLVED | 第100-101页 |
2. MATERIALS | 第101-115页 |
2.1 PATIENTS | 第101-102页 |
2.1.1 Time interval | 第101页 |
2.1.2 Include criteria | 第101页 |
2.1.3 Exclude criteria | 第101-102页 |
2.2 METHODS | 第102-115页 |
2.2.1 Construction of training and validation cohorts | 第102-103页 |
2.2.2 EGFR gene mutation test | 第103页 |
2.2.3 CT scan parameters | 第103页 |
2.2.4 Delineation of ROI | 第103-104页 |
2.2.5 Feature extraction | 第104-110页 |
2.2.6 Building classifiers | 第110-113页 |
2.2.7 Statistic analysis | 第113-115页 |
3. RESULTS | 第115-124页 |
3.1 CLINICAL INFORMATION OF PATIENT COHORTS | 第115-116页 |
3.2 FEATURES | 第116-117页 |
3.3 MODEL BUILDING | 第117-119页 |
3.4 MODEL VALIDATION | 第119-123页 |
3.5 TIME CONSUMPTION | 第123-124页 |
4. DISCUSSION | 第124-129页 |
4.1 ANALYSIS OF RESULTS | 第124-125页 |
4.1.1 Best feature-model combination | 第124页 |
4.1.2 Comparison to current methods | 第124-125页 |
4.2 FACTORS THAT INFLUENCE THE RESULTS | 第125-127页 |
4.2.1 Radiomics | 第125-126页 |
4.2.2 Convolutional Neural Network | 第126-127页 |
4.3 CLINICAL SIGNIFICANCE | 第127-128页 |
4.3.1 Classification of EGFR mutation state | 第127页 |
4.3.2 Advantage and limitation | 第127-128页 |
4.4 FUTURE WORK | 第128-129页 |
4.4.1 Clinical interests | 第128页 |
4.4.2 Methodology | 第128-129页 |
5. CONCLUSIONS | 第129-131页 |