基于影像组学、深度学习与临床特征的肺癌多维度分析及其在病理亚型、基因突变与转移预测中的应用研究

整合影像、病理、分子标志物、基因等多源数据，构建一系列全面、精准的肺癌术前评估体系，辅助临床决策。 1.建立并验证纵隔淋巴结自动识别、定量分析及自动分区的深度学习模型，结合 N 分期与良恶性鉴别模型；确定血液代谢指标与纵隔淋巴结转移的相关性，并建立与 CT 提示纵隔淋巴结转移的术前预测模型。 2.建立并验证高级别病理类型及肺浸润性腺癌中高危亚型的术前预测模型。 3.建立并验证肺癌术前 STAS 状态的影像组学预测模型。 4.分析术前肺癌七项自身抗体指标中“P53”与术后病理中 P53 突变的相关性及一致性，并比较 P53 阳性与阴性患者的影像学特征差异，建立影像学特征结合 P53 阳性患者的术前恶性概率评估模型。 建立并验证相关基因突变影像学特征的自动识别、定量分析模型及各种类型基因突变的深度学习模型，鉴别肺腺癌患者的基因突变类型。