Page 298 - 《软件学报》2021年第12期

3962 Journal of Software 软件学报 Vol.32, No.12, December 2021

(2) 淋巴/血管间隙浸润不改变分期,且不再考虑病灶浸润宽度;
(3) 需注明 IIIC 期的影像病理发现,如影像学发现盆腔淋巴结转移,则分期为 IIIC1r(r 表示影像学);如果病理学发现,则分
期为 IIIC1p(p 表示病理学).
不同分期的宫颈癌所对应的治疗方案不同.根据美国国家综合癌症网站 NCCN(National Comprehensive
Cancer Network)制定的宫颈癌治疗方法,手术治疗、放射治疗以及化疗是宫颈癌治疗过程中具有根治效果的方
[7]
法 .其中,
• 早期宫颈癌(≤IIA 并且肿瘤到内部宫颈口距离>5mm)主要选择根治性宫颈切除术治疗.该手术局部切
[8]
除宫颈,可以保证子宫体的完整性,保存患者的生育能力 ;
• 中晚期宫颈癌(IIB~IV 并且肿瘤≥4cm)除肿瘤较大外,还可能出现宫外扩散以及淋巴结受累.因此,进
展至这些时期的病变需要进行腔内放疗和体外照射治疗(早期宫颈癌以腔内放疗为主,体外照射为辅;
出现宮旁浸润严重的情况以腔内放疗为辅,体外照射为主;中晚期宫颈癌需腔内放疗、体外照射并重);
• 对于晚期或复发转移的患者,主要的治疗手段为化疗(目前多采用以顺铂为主的多药联合化疗).
对于 IIB~IVA 期的宫颈癌患者来说,放化疗是主要的治疗手段.根据患者接受放化疗后 3 个月内 MR 图像
[9]
检查,依据 RECIST 标准及肿瘤临床特征 [10] 对肿瘤的转归情况进行判断,将放化疗结果分为完全缓解(放化疗
敏感)和不完全缓解(放化疗不敏感)两类,如图 1 所示(红色区域为肿瘤区域).如果患者接受放化疗后,肿瘤出现
不完全缓解情况,那么该患者不能继续接受放化疗,而需要探索个性化治疗方案,如口服靶向药治疗等.但即使
调整治疗方案,该部分的患者在放化疗后前两年的无病生存率(disease free survival,简称 DFS)仅为 14.3%,而肿
瘤完全缓解的患者为 85.7% [10] .因此,在放化疗疗效欠佳的情况下,患者由于丧失了最佳治疗时机,同时化疗对正
常组织产生损伤,导致患者很难再进行及时有效的治疗,严重影响患者预后 [11] .因此,在宫颈癌患者治疗初期预
测该患者对放化疗敏感性,进而选择合适的治疗手段,提高患者的生存率具有重要意义.

(a) 疗前图像 (b) 不完全缓解 (c) 疗前图像 (d) 完全缓解
Fig.1 Complete and incomplete remission of the tumor area after radiotherapy and chemotherapy of SCC
图 1 宫颈鳞癌放化疗后肿瘤区域完全缓解与不完全缓解

磁共振成像(magnetic resonance imaging,简称 MRI)不但具有良好的组织分辨率,能够同时对宫颈及周围组
织,如盆腔内部器官,进行多方位、多序列地扫描 [12] ,而且提供形态学、肿瘤功能及生物学特性方面信息 [13] ,在宫
颈癌分期及疗效预测方面具有重要作用.T2WI(T2-weighted imaging)结合脂肪抑制技术可较好显示宫颈管的形
态结构与信号,为病变显示、病变范围及周围组织受侵状况评估提供良好参考 [13] .因此,本文旨在依据患者放化
疗前的宫颈 MR T2WI 预测患者接受放化疗后的治疗疗效,提出一种基于随机森林 [14] 的计算机辅助预测模型.
该模型首先利用小波变换及高斯拉普拉斯算子对宫颈癌 MR 去噪并增强图像,排除噪声影响;其次,利用在小数
据集下能准确分割的 U-net 模型分割肿瘤区域;在 U-net 模型训练阶段,为防止 U-net 模型出现梯度下降甚至消
失现象,在该模型中加入深度残差学习;然后,对分割出的肿瘤区域提取多种形状及纹理特征,并且引入特征筛
选机制对提取出的冗余及贡献较小特征进行淘汰;最后,优化在小样本下分类优异的随机森林算法对图像进行
分类,并评估该模型在预测宫颈癌放化疗疗效中的价值.实验所用 MR 都是放化疗前图像,这些图像根据患者接