[發明專利]肝癌分群預測模型、其預測系統以及肝癌分群判斷方法

在審

• 申請號: 201810152046.3
• 申請日: 2018-02-14
• 公開（公告）號: CN110163195A
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 黃宗祺;游家鑫;林仰賢;周貴鼎;廖英凱;林維卿;張戈
• 申請（專利權）人: 中國醫藥大學附設醫院
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62
• 代理公司: 北京中原華和知識產權代理有限責任公司 11019
• 代理人: 壽寧;張華輝

本發明提供一種肝癌分群預測模型、其預測系統以及肝癌分群判斷方法。該肝癌分群預測系統，其包含影像擷取單元和非暫態機器可讀媒體。所述非暫態機器可讀媒體儲存程序，當程序由處理單元執行時用以預測受試肝癌患者的分群。所述程序包含參照資料庫取得模塊、第一影像前處理模塊、特征選取模塊、分類模塊、第二影像前處理模塊以及比對模塊。借此所述肝癌分群預測系統可用以預測受試肝癌患者的腫瘤是否轉移、受試肝癌患者的轉移位置是否在腹腔以及受試肝癌患者是否帶有肝炎病毒。

技術領域

本發明是有關于一種醫療資訊分析模型、系統以及方法，特別是一種肝癌分群預測模型、肝癌分群預測系統以及肝癌分群判斷方法。

背景技術

肝癌(hepatocellular carcinoma)是指發生于肝臟或從肝臟開始的惡性腫瘤。肝癌的癥狀包括肋骨架右側下方的腫塊或疼痛、腹水、黃疸、容易瘀傷、體重減輕以及身體的虛弱。慢性B型肝炎及慢性C型肝炎是引起肝癌的主要原因，約有60％～70％的肝癌是由慢性B型肝炎引起，約20％的肝癌是由慢性C型肝炎所引起的。感染B型肝炎病毒或C型肝炎病毒之后，有一部份人會變成慢性肝炎，慢性肝炎可能會演變為肝硬化，最后再罹患肝癌。

目前的肝癌的確診包括：一、檢測是否罹患慢性B型肝炎或慢性C型肝炎。二、檢驗甲型胎兒蛋白(Alpha-Fetoprotein,AFP)指數是否升高(尤其是高于400ng/dL)。三、電腦斷層掃描、血管攝影或磁振攝影顯現肝癌的典型影像。上述三者具備二者即可診斷為肝癌，若不易確診者可借助肝切片診斷。然而，上述確診的方法僅能判斷患者是否罹患肝癌，無法用于做為預測患者的預后狀況，或對于肝癌患者進行分群，以進一步提供更精準的治療方式。

由此可知，習用技術缺乏具有高指標性、較佳靈敏度及可應用于臨床肝癌分群及預后分析的工具，因此，有必要針對習用技術加以改進，以準確預測肝癌患者的預后狀況而改善其致死率。

發明內容

本發明的一態樣是在提供一種肝癌分群預測模型，其是以下列步驟建立：取得參照資料庫、進行影像前處理步驟、進行特征選取步驟以及進行分類步驟。所述參照資料庫由多個參照肝癌患者的多個參照動脈相電腦斷層影像而建立。影像前處理步驟是圈選所述參照電腦斷層影像中的腫瘤位置以得到參照感興趣區域(ROI)影像。特征選取步驟是根據所述參照資料庫選取至少一個特征值，所述特征值包含利用Laws濾波器分析所述參照感興趣區域影像后的紋理特征值。分類步驟是將所述特征值利用監督式學習法訓練達到收斂，以得到所述肝癌分群預測模型。所述肝癌分群預測模型可用以預測受試肝癌患者的腫瘤是否轉移、受試肝癌患者的轉移位置是否在腹腔以及受試肝癌患者是否為帶有肝炎病毒。

依據前述的肝癌分群預測模型，所述監督式學習法可為支持向量機(Supportvector Machine,SVM)。

依據前述的肝癌分群預測模型，其中當肝癌分群預測模型用以預測受試肝癌患者的腫瘤是否轉移時，所述紋理特征值可包含參照感興趣區域影像的整體強度數值(totalgray-level value,TGV)、對比度(contrast)、平均值(mean)、熵值(entropy)和均質度(homogeneity)。較佳地，特征選取步驟中所選取的特征值可更包含：利用小波(Wavelet)濾波器計算參照感興趣區域影像的均質度；以及利用相鄰灰度等級差異矩陣(NeighborhoodGray Tone Difference Matrix,NGTDM)濾波器計算參照感興趣區域影像的粗糙度(coarseness)。

依據前述的肝癌分群預測模型，其中肝癌分群預測模型用以預測受試肝癌患者的轉移位置是否在腹腔時，紋理特征值可包含參照感興趣區域影像的均質度和對比度。較佳地，特征選取步驟中所選取的特征值可更包含利用灰階共現矩陣(Gary level co-occurrence matrix,GLCM)濾波器計算參照感興趣區域影像的相互關度(correlation)。