Combined Application of High-density Electrical Method and Transient Electromagnetic Method in Gobi Desert Area
-
摘要: 为准确掌握地下水资源的动态变化，有效支撑生态环境的可持续发展，在新疆哈密某矿集区利用高密度电法与瞬变电磁法联合进行物探勘查，对地下含水层与隔水层进行预判。经验证，高密度电法与瞬变电磁法的组合，有效指导水文钻探施工，为同类地质条件下物探手段的选取和应用提供参考。Abstract: This study probed the existence of groundwater in a mineral concentration area, using high-density electrical and transient electromagnetic methods. Our objective was to understand the dynamic changes in groundwater resources accurately and support the development of a sustainable ecological environment in the Gobi Desert area. The study demonstrates that the combination of the high-density electrical and transient electromagnetic methods guides the hydrological drilling construction in this area effectively. It also provides a reference for the selection and application of geophysical exploration methods under similar geological conditions for future studies.
-
根据2018年全球癌症统计数据，结直肠癌（colorectal cancer，CRC）是全球第2大最常见的癌症且是第4大癌症相关死亡原因[1]，5年生存率仅在40％～60％。有研究表明，表皮生长因子受体（epidermal growth factor receptor，EGFR）介导的信号传导通路的异常激活与CRC患者的预后密切相关，基因突变的患者预后更差[2]。因此，肿瘤的遗传信息可作为有效的生物学指标，为患者的远期生存提供参考信息。同时，近年来通过靶向药物对患者进行个性化治疗，有效降低了死亡率，延长生存周期[3]。
RAS/RAF/MEK/ERK通路是EGFR下游信号通路中的最经典途径之一，RAS基因（如NRAS、KRAS）和BRAF基因是CRC中常见的突变基因，其中又以KRAS基因突变最为常见，约占40％[4]。美国国家综合癌症网络（National Comprehensive Cancer Network ，NCCN）指南[5]指出，RAS、BRAF等基因突变患者对靶向药物治疗缺乏反应，建议CRC患者应在治疗前明确基因型，避免靶向药物治疗无效且承受不必要的药物毒副作用。
目前，通过对活检样本或切除的组织进行病理分析来检测基因突变状态仍是最常规的做法，但有研究人员指出[6]，活检样本中存在肿瘤内异质性、克隆进化和DNA质量差等情况在日常实践中价值有限。此外，循环DNA分析法也是CRC基因型检测的非侵入性方法之一，然而该方法可能因循环中的DNA不足量使得检测结果失败[7]。
因此，迫切需要一种无创且基于全肿瘤的采样技术以确定能从靶向治疗中受益的患者。非侵入式的影像学技术能从分子层面挖掘肿瘤生物学特性，不仅可以动态、全面的对CRC患者的基因状态进行分析，同时还可在患者治疗的任意阶段重复进行基因状态预测，避免活检不全面而引起的漏诊。
1. CT影像在预测CRC基因突变状态中的应用
NCCN指南推荐计算机断层扫描（CT）作为临床实践中CRC的首选成像检查，CT图像不仅可以了解肿瘤的宏观状态，同时能发掘肿瘤更深层次的特征。在Song等[8]通过分析不同CT参数及病理特征中发现，仅直肠上静脉（superior rectal vein，SRV）直径与基因突变状态较为相关，其预测KRAS突变的灵敏度（76.20％）及特异度（48.90％）均较低，因此未经处理的CT图像对于预测分子水平的生物学信息效果不佳。
令人兴奋的是，影像组学可将医学图像转换为高维特征空间，从而提高对癌症诊断与预后的预测价值。在美国国家癌症研究所（National Cancer Institute，NCI）定量成像网络（quantitative imaging network，QIN）对影像组学的大力发展下，其在肿瘤学决策方面的潜力不断增长，基于纹理的定量图像特征分析和模型建立可提供与临床诊断、实验室结果等不同的肿瘤生物学信息，有助于满足临床对CRC患者精准医疗的需求[9]。Li等[10]通过分析CRC患者术前CT图像组学特征，预测了CRC患者的KRAS基因突变状态。值得注意的是，此研究将患者临床TNM分期与CT影像组学联合，比较CRC患者单个分期与多分期组合模型的曲线下面积（area under the curve，AUC）值，结果表明单分期与CT影像学特征的联合模型可以更好地预测肿瘤特征与基因状态之间的关系（Ⅱ AUC=0.99，Ⅲ AUC=0.99，Ⅳ AUC=1.00）。
由此可见，这种临床信息与CT影像特征相结合的联合模型方式，能为提高预测效能提供新思路。
然而，随着数据科学的高速发展，机器学习作为一类新兴的研究领域，已成为影像组学不可或缺的一部分。机器学习不仅使计算机能够像人类一样学习提取及分类信息的方式，还可以自动化分析更多数据集并提取特征，进一步提高模型效能。
Yang等[11]基于机器学习的方式提取门静脉期CT图像特征，使用支持向量机（support vector machine，SVM）建立影像组学模型，结果表明：CT影像组学特征与基因突变显著相关，该预测模型的AUC值在测试集中达0.869，表现出基于机器学习的组学模型较为优异的预测效能。
深度学习（deep learning，DL）作为机器学习的子集，隐藏层神经网络模型，通过大量的向量计算，学习到数据内在规律的高阶表达特征，并利用这些特征决策的过程，能够更深入地挖掘图像中的信息，在疾病诊断、分类和预后预测等方面显示出较高效能[12]。He等[13]提取门脉期的CT图像特征，开发了基于深度学习的残差神经网络（residual neural network，ResNet）模型，结果表明仅单独瘤内特征的模型在测试队列中获得的AUC值为0.90，然而在瘤内结合瘤周组学特征时AUC高达0.930，该研究给我们带来一定启发，提取病灶影像信息不应局限于病灶本身，其周围特征也可给预测效能带来一定的提升。与此同时，肝脏作为CRC最常见的转移部位，转移病灶也包含与基因突变状态相关的特征信息，Shi等[14]使用人工神经网络（artificial neural network，ANN）方法，将临床特征（包括病变转移、单个大病变被多个小病变包绕的“微卫星状态”等）结合CT影像组学特征建立联合模型，结果表明该模型的AUC值在测试组中达0.790。
由此可见，影像组学特征与病变转移等临床特征的结合可以一定程度改善肝转移患者基因状态的预测效能。
相较于常规CT的密度测量，双源能谱CT（dual-energy spectral CT，DECT）还可提供各种参数作为定量分析的指标，其中又以碘图技术在肠道成像中效果最佳[15]。Cao等[16]通过分析DESCT参数信息结合临床危险因素开发定量诺模图以预测CRC患者的KRAS突变状态，结果表明该模型的AUC值为0.848，其决策曲线分析（decision curve analysis，DCA）也表现出预测和观察之间的良好一致性，具有可靠的临床实用性。
DESCT的多参数指标结合影像组学分析相较于常规CT成像是预测基因突变状态的更有利方法，未来或在其他疾病的诊断、预后预测等方面有更大的研究潜能。
2. MRI影像在预测CRC基因突变状态中的应用
磁共振成像（magnetic resonance imaging，MRI）作为早期CRC首选的分期工具，在肿瘤定位、切除范围及早期转移方面均具有较高的准确性，同时基于MRI影像组学在CRC的诊断分期、预后评估等表现出巨大的潜力，最新的研究表明MRI影像组学在预测基因状态方面也取得了较大的进展[17-18]。
Xu等[19]通过提取CRC患者T2加权成像（T2 WI）图像的组学特征并结合相关的临床特征进行预测CRC患者KRAS基因突变状态，结果表明联合模型的AUC值可达0.813，灵敏度为60.30％。尽管该研究所提取的MRI组学特征具有区分CRC患者KRAS基因状态的潜力，但是在提升灵敏度方面仍需要进一步研究。Oh等[20]通过提取T2 WI图像中的影像组学特征并建立决策树模型，与先前的研究相比，该研究中所使用的决策树模型的AUC值为0.884，灵敏度84.00％，在预测基因突变状态方面展现出更佳的性能。
先前的诸多MRI研究中，均通过手动分割的肿瘤区域，勾画肿瘤感兴趣区（region of interest，ROI）并提取放射组学特征，而基于深度学习的分割法有助于解决手动分割的固有局限性[21]。在Ma等[22]研究中，通过采集T2WI图像数据集，基于深度学习方法建立了一种结合空间域和频域信息的空间频率双分支注意模型（spatial frequency dual-branch attention model，SF-DBAM）预测KRAS基因的突变状态，结果表明该模型的AUC值为0.942，同时准确度及特异度分别为88.03％和90.75％，预测效能较为优异。Zhang等[23]开发了基于深度学习的3D V-net分割图像模型，提取T2WI及扩散加权成像（diffusion weighted imaging，DWI）图像中的特征，分别建立了影像组学模型，研究表明T2WI、DWI及T2WI+DWI三种模型的AUC值分别为0.714、0.816和0.887。在影像组学分析中，DWI的基因状态预测性能优于T2WI，组合方式均优于任何单一成像方式。
相较于磁共振常规序列，功能磁共振成像（functional magnetic resonance imaging，fMRI）可以根据组织成分的异质性和不规则性提供更精确的信息，广泛地运用于CRC患者肿瘤的分期、病灶转移预后评估等方面研究中。
孙丹琦等[24]研究中，同时对动态增强（DCE）图像及体素内不相干运动（intravoxel incoherent motion，IVIM）图像进行后处理，分别得到DCE及IVIM图像参数，均可在一定程度上反映肿瘤的血管化情况，然而结果表明功能参数值在组间未见显著统计学差异，功能参数与基因突变状态无显著关系，这可能是由于样本量的限制所导致，未来仍需大样本数据支持加以验证。
与之相反的是，Cui等[25]使用源于全肿瘤体积的直方图来评估扩散峰度成像（diffusion kurtosis imaging，DKI）衍生参数预测直肠腺癌患者中KRAS突变状态的潜在作用，将所有DKI相关直方图指标的诊断性能进行比较，突变型组的K相关百分位数指标高于野生型组，其中K75 th表现出最高的AUC值为0.871，灵敏度与特异度分别为81.43％和78.21％，与CRC患者的基因突变显著相关，显示出较好的预测效能。
3. 18F-FDG PET/CT影像在预测CRC基因突变状态中的应用
18F-氟代脱氧葡萄糖正电子发射断层显像（18F-deoxyglucose positron emission tomography/computer tomography，18F-FDG PET/CT）是最广泛用于肿瘤诊断的的分子成像方式。有研究表明[26]，在发生基因突变的细胞中，葡萄糖转运蛋白1（glucose transporter-1，GLUT1）和葡萄糖摄取值持续增加，可能有助于无创性评估CRC患者基因突变状态。
Lovinfosse等[27]通过收集标准化摄取值（standardized uptake value，SUV）、代谢肿瘤体积和病变区域糖酵解等参数，用于评估RAS基因突变状态之间的关系，结果表明SUV与RAS基因突变呈正相关。尽管RAS基因突变的CRC患者有着更高的葡萄糖代谢具有一定的提示作用，但这可能与肿瘤患者自身的局部炎症有关，因此仅从18F-FDG PET/CT检查中提取的结直肠肿瘤的定量指标参数仍无法有效满足临床诊疗需求。
在最近的研究中，Mao等[28]将已发生肝转移的CRC患者纳入研究，在18F-FDG PET/CT检查中采取双时间点提取参数法，早期和延迟扫描中测量每个肝脏转移病灶的最大准化摄取值（max standardized uptake value，SUVmax），并且计算SUVmax差值和保留指数（retention index，RI）的变化。结果表明：延迟扫描中SUVmax与RAS基因突变状态显著正相关，其灵敏度、特异度和准确度与未发生肝转移的患者相比均有明显提高，分别为83.80％、62.00％ 和71.30％。
然而部分研究[29]提出了相反的观点，研究者发现18F-FDG PET/CT中核素摄取强度与KRAS基因突变状态无显着相关性，其参数指标的整体准确性较低，无法就预测CRC基因突变状态为临床提出有价值信息。同时，最新的18F-FDG PET/CT预测CRC患者KRAS基因突变的荟萃分析[30]中也指出，18F-FDG PET/CT的合并灵敏度、特异度及诊断比值比均处于较低水平（分别为0.66、0.67、4.00），表明了18F-FDG PET/CT可能无法有效预测CRC癌患者基因突变状态。这种原因可能是因为CRC患者局部炎症反应等产生的假性参数，对结果分析产生了一定影响。因此，NCCN指南（2017）建议18F-FDG PET/CT应仅用于其他影像学检查无法确诊或可通过手术治愈的CRC患者。
4. 挑战与展望
如上述讨论，随着影像学技术的不断发展，影像组学模型在CRC中的应用已被证明效果较为优越，尤其是在加入机器学习后在CRC患者基因突变状态预测等方面取得了较大的进展，在未来还有望与人工智能（artificial Intelligence，AI）相结合，以全自动的方式对基因突变状态进行无创、实时及全面的预测将更加有效满足临床精准医疗的需求。此外，新的CT成像技术以及MR新序列均有望进一步推广应用于临床实践中，能帮助CRC患者进行更加详尽的病情判断[15]。
然而，作为影像组学的普遍局限性，不同研究中的扫描参数、特征提取、软件模式的差异，可能会使结果产生一定的偏差，因此组学模型是否可重复仍然存在不少争议。其次，目前大多数影像组学研究大多采取回顾性的研究方法，同时缺乏多中心数据的独立外部验证，均对最终的研究结果的可靠性及适用性产生影响[8]。因此作为研究者，应在模型设计阶段把握研究方向，尽可能多的收集临床及影像资料，使得研究结果的解释相对合理并能够被临床医师所接受与信赖。最后，先进的影像学技术预测CRC患者的基因突变状态已经取得一定的成效，接下来如何通过影像学方法进一步预测基因突变患者的疗效及预后情况，还有待于进一步探究。
-
[1] 王瑞丰, 温来福, 程久龙, 等. 高密度电法与瞬变电磁法联合勘查河北承德地区基岩裂隙水[J]. 地球科学与环境学报, 2020,42(6): 784−790. DOI: 10.19814/j.jese.2020.06013. WANG R F, WEN L F, CHENG J L, et al. Joint detection of bedrock fissure water using high-density electrical method and transient electromagnetic method in Chengde area of Hebei, China[J]. Journal of Earth Science and Environment, 2020, 42(6): 784−790. DOI: 10.19814/j.jese.2020.06013. (in Chinese).
[2] 张保祥, 刘春华. 瞬变电磁法在地下水勘查中的应用综述[J]. 地球物理学进展, 2004,19(3): 537−542. doi: <10.3969/j.issn.1004-2903.2004.03.008 ZHANG B X, LIU C H. Summarization on applications to groundwater exploration by using transient electromagnetic methods[J]. Progress in Geophysics, 2004, 19(3): 537−542. (in Chinese). doi: <10.3969/j.issn.1004-2903.2004.03.008
[3] 李国占, 孙银行. 地下水地球物理勘查技术模式[J]. 物探与化探, 2010,34(2): 202−204. LI G Z, SUN Y H. A tentative discussion on a technological mode for groundwater geophysical exploration[J]. Geophysical and Geochemical Exploration, 2010, 34(2): 202−204. (in Chinese).
[4] 王星明, 郭栋, 李嘉. 水资源勘查中综合电法勘探方法技术与应用[J]. 物探与化探, 2011,35(1): 65−69. WANG M X, GUO D, LI J. The integrated electrical prospecting technology and its application to water resource exploration[J]. Geophysical and Geochemical Exploration, 2011, 35(1): 65−69. (in Chinese).
[5] 宋希利, 宋鹏, 田明阳, 等. 物探方法在侵入岩地区抗旱找水定井中的应用[J]. 地球物理学进展, 2012,27(3): 1280−1286. DOI: 10.6038/j.issn.1004-2903.2012.03.057. SONG X L, SONG P, TIAN M Y, et al. Geophysical prospecting method in intrusive rocks area fight a drought to find water wells set[J]. Progress in Geophysics, 2012, 27(3): 1280−1286. DOI: 10.6038/j.issn.1004-2903.2012.03.057. (in Chinese).
[6] 苏永军, 马震, 孟利山, 等. 高密度电阻率法和激发极化法在抗旱找水定井位中的应用[J]. 现代地质, 2015,29(2): 265−271. doi: 10.3969/j.issn.1000-8527.2015.02.007 SU Y J, MA Z, MENG L S, et al. Application of high-density resistivity method and induced polarization method to determine a good well location in groundwater prospecting[J]. Geoscience, 2015, 29(2): 265−271. (in Chinese). doi: 10.3969/j.issn.1000-8527.2015.02.007
[7] 孙中任, 杨殿臣, 赵雪娟. 综合物探方法寻找深部地下水[J]. 物探与化探, 2017,41(1): 52−57. DOI: 10.11720/wtyht.2017.1.08. SUN Z R, YANG D C, ZHAO X J. The application of integrated geophysical methods to the prospecting for deep geothermal resource[J]. Geophysical and Geochemical Exploration, 2017, 41(1): 52−57. DOI: 10.11720/wtyht.2017.1.08. (in Chinese).
[8] 康方平, 蒋建良, 彭杰, 等. 综合物探方法在湖南某贫水板岩地区找水的应用研究[J]. 工程地球物理学报, 2020,17(2): 258−264. DOI: 10.3969/j.issn.1672-7940.2020.02.018. KANG F P, JIANG J L, PENG J, et al. Application of integrated geophysical method to water search in a poor slate region of Hunan province[J]. Chinese Journal of Engineering Geophysics, 2020, 17(2): 258−264. DOI: 10.3969/j.issn.1672-7940.2020.02.018. (in Chinese).
[9] 潘剑伟, 张成丽, 鲁恺, 等. SNMR联合SP用于滑动带水体赋存状态的探测研究[J]. CT理论与应用研究, 2021,30(1): 23−34. DOI: 10.15953/j.1004-4140.2021.30.01.03. PAN J W, ZHANG C L, LU K, et al. The combined use of surface nuclear magnetic resonance and self-potential in the research of groundwater state in the landslide[J]. CT Theory and Applications, 2021, 30(1): 23−34. DOI: 10.15953/j.1004-4140.2021.30.01.03. (in Chinese).
[10] 黄国民, 李世平, 陶毅, 等. 广西碎屑岩地区电法找水实例[J]. 物探与化探, 2019,43(1): 77−83. DOI: 10.11720/wtyht.2019.2134. HUANG G M, LI S P, TAO Y, et al. A case study of water prospecting by electrical method in clastic rock area of Guangxi[J]. Geophysical and Geochemical Exploration, 2019, 43(1): 77−83. DOI: 10.11720/wtyht.2019.2134. (in Chinese).
[11] 马吉静. 高密度电阻率法的异常识别和推断-以溶洞探测和寻找地下水为例[J]. 地球物理学进展, 2019,34(4): 1489−1498. DOI: 10.6038/pg2019CC0054. MA J J. Anomaly identification and inference of high density resistivity method: Take Karst cave exploration and groundwater exploration as an example[J]. Progress in Geophysics, 2019, 34(4): 1489−1498. DOI: 10.6038/pg2019CC0054. (in Chinese).
[12] 底青云, 倪大来, 王若. 高密度电阻率成像[J]. 地球物理学进展, 2003,18(2): 323−326. doi: 10.3969/j.issn.1004-2903.2003.02.023 DI Q Y, NI D L, WANG R. High-density resistivity image[J]. Progress in Geophysics, 2003, 18(2): 323−326. (in Chinese). doi: 10.3969/j.issn.1004-2903.2003.02.023
[13] 董浩斌, 王传雷. 高密度电法的发展与应用[J]. 地学前缘, 2003,10(1): 171−176. doi: 10.3321/j.issn:1005-2321.2003.01.020 DONG H B, WANG C L. Development and application of 2D resistivity imaging surveys[J]. Earth Science Frontiers, 2003, 10(1): 171−176. (in Chinese). doi: 10.3321/j.issn:1005-2321.2003.01.020
[14] 严加永, 孟贵祥, 吕庆田, 等. 高密度电法的进展与展望[J]. 物探与化探, 2012,36(4): 576−584. YAN J Y, MENG G X, LV Q T, et al. The progress and prospect of the electrical resistivity imaging survey[J]. Geophysical and Geochemical Exploration, 2012, 36(4): 576−584. (in Chinese).
[15] 陈松, 余绍文, 刘怀庆, 等. 高密度电法在水文地质调查中的应用研究−以江平圩幅为例[J]. 地球物理学进展, 2017,32(2): 0849−0855. DOI: 10.6038/pg20170254. CHEN S, YU S W, LIU H Q, et al. Application and research high density electrical method in hydrogeological prospceting: A case study on Jiangping town map[J]. Progress in Geophysics, 2017, 32(2): 0849−0855. DOI: 10.6038/pg20170254. (in Chinese).
[16] 刘艳秋, 徐洪苗, 胡俊杰. 综合物探方法在水库堤坝隐患探测中的应用[J]. 工程地球物理学报, 2019,16(4): 546−551. DOI: 10.3969/j.issn.1672-7940.2019.04.018. LIU Y Q, XU H M, HU J J. Application of comprehensive geophysical exploration technique to detecting hidden defects of reservoir dams[J]. Chinese Journal of Engineering Geophysics, 2019, 16(4): 546−551. DOI: 10.3969/j.issn.1672-7940.2019.04.018. (in Chinese).
[17] 薛国强, 李貅, 底青云. 瞬变电磁法理论与应用研究进展[J]. 地球物理学进展, 2007,22(4): 1195−1200. doi: 10.3969/j.issn.1004-2903.2007.04.026 XUE G Q, LI X, DI Q Y. The progress of TEM in theory and application[J]. Progress in Geophysics, 2007, 22(4): 1195−1200. (in Chinese). doi: 10.3969/j.issn.1004-2903.2007.04.026
[18] 严良俊, 徐世浙, 胡文宝, 等. 中心回线瞬变电磁测深法快速电阻率成像方法及应用[J]. 煤田地质与勘探, 2002,30(6): 58−60. doi: 10.3969/j.issn.1001-1986.2002.06.020 YAN L J, XU S Z, HU W B, et al. A rapid resistivity imaging method for central loop transient electromagnetic sounding and its application[J]. Coal Geology & Exploration, 2002, 30(6): 58−60. (in Chinese). doi: 10.3969/j.issn.1001-1986.2002.06.020
[19] 杨文钦, 胡东祥. 断层富水性的综合探测技术与应用[J]. 煤田地质与勘探, 2002,30(2): 51−53. doi: 10.3969/j.issn.1001-1986.2002.02.019 YANG W Q, HU D X. The technology and it’s application survey for water-bearing condition of fault[J]. Coal Geology & Exploration, 2002, 30(2): 51−53. (in Chinese). doi: 10.3969/j.issn.1001-1986.2002.02.019
[20] 王庆, 石磊, 兰云飞, 等. 微小盆地倾斜煤层采空区瞬变电磁法探测[J]. CT理论与应用研究, 2020,29(5): 576−583. DOI: 10.15953/j.1004-4140.2020.29.05.08. WANG Q, SHI L, LAN Y F, et al. Detection of mine tunnels in inclined coal seam of small coal bearing basin using TEM[J]. CT Theory and Applications, 2020, 29(5): 576−583. DOI: 10.15953/j.1004-4140.2020.29.05.08. (in Chinese).
[21] XUE G Q, ZHANG L B, ZHOU N N, et al. Development measurements of TEM sounding in China[J]. Geological Journal, 2019: 1−8. DOI: 10.1002/gj.3544.
[22] 彭赟, 李燕, 杨淮. 瞬变电磁法在积水采空区探测中的应用−以贵州某煤矿为例[J]. 工程地球物理学报, 2019,16(6): 849−855. doi: 10.3969/j.issn.1672-7940.2019.06.010 PENG Y, LI Y, YANG H. Detection of water-accumulating goaf based on transient electromagnetic method: A case study of a coal mine in guizhou[J]. Chinese Journal of Engineering Geophysics, 2019, 16(6): 849−855. (in Chinese). doi: 10.3969/j.issn.1672-7940.2019.06.010
[23] 日丹诺夫 M S. 地球物理反演理论与应用[M]. 底青云, 薛国强, 李貅, 等, 译. 北京: 科学出版社, 2018. -
期刊类型引用(2)
1. 杨倩，王莉，张萍，宫艳艳，付玉叶. 基于改进Boosting集成模型的肺炎感染诊断方法. 分子影像学杂志. 2025(04): 435-440 . 
百度学术
2. 石家云，刘小峰，梁麟龙，谢齐放. 小儿支原体大叶性肺炎的诊断模型建立. 华夏医学. 2024(02): 150-155 . 百度学术
其他类型引用(0)
下载:
计量
- 文章访问数: 422
- HTML全文浏览量: 139
- PDF下载量: 61
- 被引次数: 2
