通过图信号处理增强PET/CT放射组学的稳健性

背景/目标：前列腺癌（PCa）常常转移到骨骼，导致严重的临床并发症和生活质量降低。因此，基于影像的骨病变准确且稳健的表征对诊断和治疗规划至关重要。放射组学作为从医学图像中提取定量信息的强大工具应运而生；然而，传统放射组学特征常受到扫描仪间变异、分割依赖性以及描述具有复杂生物异质性的病变能力有限的影响。本研究旨在引入一种转化的基于图的放射组学方法，旨在提取具有更高稳健性和临床可靠性的新型定量描述符。方法：通过生成点云并进行德劳内三角剖分以保留几何信息，从分割的正电子发射计算机断层扫描（PET/CT）骨病变中推导出图表示。应用图信号处理技术提取三类特征：方向、连通性和基于变换的描述符。数据集包括来自50例使用两种不同扫描仪获取的PCa患者的PET/CT扫描，涵盖92个被分类为良性或恶性的骨病变。对传统放射组学特征进行了相关性分析，以评估信息的冗余性。评估对批量效应和分割变异的稳健性。使用线性判别分析（LDA）和支持向量机（SVM）模型对基于提议特征、传统特征及其组合进行分类性能测试。结果：与传统放射组学相比，所提特征捕获了非冗余信息，并展示了对扫描仪相关批量效应和分割变异的优越稳健性。在分类任务中，使用提议特征的模型始终优于基于传统放射组学的模型。使用LDA，所提特征的平均平衡准确率为69.68%，平均曲线下面积（AUC）为72.14%。使用SVM，平均平衡准确率为65.16%，平均AUC为66.49%，超越了传统和组合特征集的性能。结论：本研究提出了一种超越传统方法的转化基于图的放射组学框架，改善了稳健性和诊断性能。所提方法作为更可靠的基于PET/CT的前列腺癌骨病变表征的综合工具展现出良好的前景。