基于随机森林的宫颈鳞癌放化疗疗效预测

对ⅡB~ⅣA期的宫颈鳞癌患者来说,放化疗治疗后肿瘤区域可能会出现完全缓解和不完全缓解的情况.根据临床经验可知,如果放化疗后肿瘤区域不能完全缓解,那么患者的生存率很低,而且再采取手术治疗或口服靶向药治疗等其他疗法很难有效.因此,在治疗前筛选出对放化疗不敏感的患者,转而探索个性化治疗方案很有必要.针对上述问题,将放化疗疗效预测问题视为图像分类问题,提出一种基于随机森林算法的宫颈鳞癌放化疗疗效预测模型,筛选出对放化疗不敏感的患者.该模型首先利用小波变换和高斯拉普拉斯算子对3D宫颈鳞癌MRI(magnetic resonance imaging)进行预处理;其次,利用U-net分割宫颈鳞癌MR图像中肿瘤区域;再次,结合3D宫颈鳞癌MR图像和相应的肿瘤区域分割结果提取宫颈鳞癌病变区域的纹理及形状特征,并对提取的特征进行筛选,训练随机森林模型.实验数据集由已标记的85位宫颈鳞癌ⅡB~ⅣA期患者治疗前MR图像序列组成.实验结果表明,基于随机森林算法的疗效预测模型预测宫颈鳞癌放化疗疗效AUC值为0.921,优于目前最先进的预测方法.