基于CT影像基因组学的小肝癌射频消融术后局部复发风险量化研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    81801809
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    20.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    H2710.介入医学与工程
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

Radiofrequency ablation (RFA) is most popular radical treatment for small hepatocellular carcinoma(sHCC). However, more than 30% patients occur local recurrence after ablation . Current HCC staging system is difficult to accurately predict the recurrence risk of sHCC after RFA without considering molecular features and high heterogeneity of HCC. Therefore, there is an urgent need to develop new quantitative recurrence risk assessment systems to guide clinical decision-making and improve prognosis. The state-of-art studies show that radiogenomics is a feasible tool for tumor staging and prognosis evaluation. Our pilot study has extracted thousands of radiomics features which may predict the recurrence risk of CT images after RFA of sHCC. This study plan to further select the related imaging features and identify the epigenetic and transcriptomic biomarkers associated with the prognosis of sHCC. We propose build a predictive model based on radiomics features,molecular biomarkers and clinical features to evaluate the local recurrence risk after RFA. The conclusion of this project would guide the clinical decision-making before RFA and our study would provide a novel strategy to improve the prognosis of sHCC.
射频消融是小肝癌临床最为普及的根治方法,然而高达30%的患者出现术后局部复发,目前现有的分期预后系统没有考虑小肝癌的分子特征,缺少针对肿瘤高度异质性的刻画,难以准确有效地预估小肝癌消融术后的复发风险。因此,亟需发展新的复发风险评估系统来指导临床决策从而改善预后。影像基因组学在肿瘤的分期、预后评估等方面具有重要的临床应用价值。我们前期已经提取与小肝癌射频消融术后局部复发高相关的CT影像组学特征,本项目拟在此基础上,进一步筛选、验证影像组学特征,并利用转录组学与表观遗传组学方法来鉴定小肝癌局部复发相关的分子标志物,进行影像组学特征与分子标志物之间的关联性分析研究,通过融合影像组学特征、分子标志物和临床特征,构建小肝癌消融术后局部复发风险的预测模型,实现对于消融术后局部复发风险的量化评估。本项目的完成有望指导小肝癌射频消融治疗的临床决策,为改善射频消融预后提供新思路。

结项摘要

本课题按照项目申请书内容,围绕影像组学及肝癌射频消融术后复发及转移开展工作。在影像组学工作流程中,图像识别、分割是其中的关键环节。肿瘤或病变边界模糊难以识别一直是一个难点问题。针对这一难点,我们提出将形状先验信息应用到医学图像感兴趣区域分割中,利用根据多个收敛模型预测的一致性,可以得到置信度较高的边界,实现使用生成对抗网络学习从给定的识别区域到整个器官组织形状的映射。与U-net相比,该方法有效地估计了组织边界,甚至是难以检测到的部分边界,提高了模糊边界情况下的感兴趣区域分割精度。另外在图像自动识别领域,提出一种基于组织器官边界区域的几何特征和放射组学特征的标志点检测算法,为医学影像感兴趣区域分割提供了重要的方法指导。由于大部分肝癌的边界模糊不清难以识别,上述研究为肝癌影像组学研究中感兴趣区域的识别和分割奠定了基础。在此基础上建立了术前预测KI67表达的应影像组学预测模型,初步结果表明,纳入影像组学特征的预测模型较单纯临床模型有更高的准确性。其次,为预测术前微血管浸润情况,指导个体化治疗。本研究还选用多中心数据,通过Logistic回归筛选与MVI相关的临床和影像特征,采用交叉验证法进行分类回归树(CART)分析,最终结果以决策树形式呈现,使MVI的术前评估更加简便、直观,相关实验正在按计划执行。另外,为了探明肝癌射频消融后复发转移的分子机制,本研究构建裸鼠皮下肝癌模型并进行RFA术,取RFA周围过渡区组织和未行RFA肿瘤组织行基因测序;同时采用水浴加热体外模拟肝癌RFA过渡区微环境,提取肿瘤细胞进行基因测序。结果显示RFA 术后周围过渡区的肝癌组织和水浴加热后的肝癌细胞中COL4A5表达明显降低。这表明RFA后的热应激引起肝癌COL4A5表达降低,可能与肝癌RFA后复发转移相关。因此改变COL4A5的表达水平或可作为改善肝癌射频消融疗效的潜在治疗靶点,对减少肝癌射频消融术后复发转移具有重要的临床意义。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(1)
Automated fibroglandular tissue segmentation in breast MRI using generative adversarial networks
使用生成对抗网络在乳腺 MRI 中自动进行纤维腺体组织分割
  • DOI:
    10.1088/1361-6560/ab7e7f
  • 发表时间:
    2020-05-21
  • 期刊:
    PHYSICS IN MEDICINE AND BIOLOGY
  • 影响因子:
    3.5
  • 作者:
    Ma, Xiangyuan;Wang, Jinlong;Lu, Yao
  • 通讯作者:
    Lu, Yao
人工智能和影像组学在原发性肝癌中的应用进展
  • DOI:
    10.3760/cma.j.cn112149-20201202-01272
  • 发表时间:
    2021
  • 期刊:
    中华放射学杂志
  • 影响因子:
    --
  • 作者:
    陶雨溪;蔡泽宇;宋腾飞;张亚琴
  • 通讯作者:
    张亚琴
An Adaptive Region Growing Based on Neutrosophic Set in Ultrasound Domain for Image Segmentation
超声域中基于中智集的自适应区域生长图像分割
  • DOI:
    10.1109/access.2019.2911560
  • 发表时间:
    2019-01-01
  • 期刊:
    IEEE ACCESS
  • 影响因子:
    3.9
  • 作者:
    Jiang, Xue;Guo, Yanhui;Lu, Yao
  • 通讯作者:
    Lu, Yao
Automatic segmentation of the pectoral muscle based on boundary identification and shape prediction
基于边界识别和形状预测的胸肌自动分割
  • DOI:
    10.1088/1361-6560/ab652b
  • 发表时间:
    2020-02-01
  • 期刊:
    PHYSICS IN MEDICINE AND BIOLOGY
  • 影响因子:
    3.5
  • 作者:
    Guo, Yongze;Zhao, Wenhui;Lu, Yao
  • 通讯作者:
    Lu, Yao

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

用Wood模型拟合南方中国荷斯坦牛产奶量、乳脂率、乳蛋白率和体细胞评分及其效果分析
  • DOI:
    --
  • 发表时间:
    2011-11
  • 期刊:
    畜牧兽医学报
  • 影响因子:
    --
  • 作者:
    张亚琴;陈丹;王杏龙;杨章平
  • 通讯作者:
    杨章平
绿藻光合产氢的研究进展
  • DOI:
    --
  • 发表时间:
    2023
  • 期刊:
    浙江大学学报(理学版)
  • 影响因子:
    --
  • 作者:
    张亚琴;唐睿康;马为民;熊威;徐旭荣
  • 通讯作者:
    徐旭荣
干预框架图指导开发慢性病健康促进项目的应用现状及启示
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    中国全科医学
  • 影响因子:
    --
  • 作者:
    林蓓蕾;张振香;梅永霞;武凯;张亚琴;彭睿;郭璐璐;张艳;刘腊梅
  • 通讯作者:
    刘腊梅
环化 PDC-E2 内硫辛酰区及其在原发性胆汁性胆管炎患者抗线粒体抗体检测中的价值
  • DOI:
    --
  • 发表时间:
    2021
  • 期刊:
    安徽医科大学学报
  • 影响因子:
    --
  • 作者:
    陈蕾;李海燕;张亚琴;帅宗文
  • 通讯作者:
    帅宗文
三种大豆种子贮藏蛋白亚基缺失种质的筛选与鉴定
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    大豆科学
  • 影响因子:
    --
  • 作者:
    张国敏;张亚琴;舒英杰;麻浩
  • 通讯作者:
    麻浩

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

张亚琴的其他基金

基于影像-病理多模态深度学习的三阴性乳腺癌预后模型及应用研究
  • 批准号:
    82371917
  • 批准年份:
    2023
  • 资助金额:
    48 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码