[發明專利]基于LASSO回歸的乳腺癌腋窩淋巴結轉移狀態的判別方法

在審

• 申請號: 201810557069.2
• 申請日: 2018-06-01
• 公開（公告）號: CN108921821A
• 公開（公告）日: 2018-11-30
• 發明（設計）人: 曾磊;閆鑌;陳健;高飛;海金金;徐一夫;喬凱;譚紅娜;武明輝;梁寧寧
• 申請（專利權）人: 中國人民解放軍戰略支援部隊信息工程大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 陳勇

1.基于LASSO回歸的乳腺癌腋窩淋巴結轉移狀態的判別方法，其特征在于，包括：

步驟1、對采集到的病人的乳腺癌X射線圖像進行分割，確定腫瘤所在處的多個病灶部位圖像；

步驟2、將所述多個病灶部位圖像分為訓練集和測試集，并對所有的病灶部位圖像提取高維特征，構建乳腺病灶圖像特征數據庫；

步驟3、根據訓練集里的乳腺病灶圖像特征數據和病人的病理信息，采用LASSO回歸算法，構建乳腺癌腋窩淋巴結轉移識別模型；

步驟4、根據所述乳腺癌腋窩淋巴結轉移識別模型，對測試集里的病灶部位圖像進行識別，確定病人的乳腺癌腋窩淋巴結轉移狀態。

2.根據權利要求1所述的方法，其特征在于，所述高維特征包括：圖像灰度特征、圖像紋理特征和小波特征，所述圖像灰度特征包括第一圖像灰度特征和第二灰度特征，所述圖像紋理特征包括第一圖像紋理特征和第二圖像紋理特征；

相應地，所述對所有的病灶部位圖像提取高維特征具體包括：

對所有的病灶部位圖像分別計算第一圖像灰度特征和第一圖像紋理特征；

對所有的病灶部位圖像進行小波變換，確定每個病灶部位圖像的近似分量子圖像、水平細節分量子圖像、垂直細節分量子圖像和對角線細節分量子圖像；

對每個病灶部位圖像的四個子圖像分別計算第二圖像灰度特征和第二圖像紋理特征。

3.根據權利要求2所述的方法，其特征在于，所述圖像灰度特征包括：能量特征、熵特征、均值特征、峰值特征、均方根特征、偏度特征、標準偏差特征、方差特征、均勻度特征、灰度最大值、灰度最小值、灰度中值和灰度范圍中的至少一種。

4.根據權利要求3所述的方法，其特征在于，所述圖像紋理特征包括：圖像基于灰度協方差矩陣的自相關系數、聚類突特征、聚類萌特征、聚類趨勢特征、相關系數、對比度、相似度、能量特征、熵特征、同質性特征、方差特征和方差和中的至少一種，和圖像基于灰度游程矩陣的短游程因子、長游程因子、灰度不均勻度、游程不均勻度、游程百分比、低階灰度游程因子、高階灰度游程因子、短游程低階灰度因子、短游程高階灰度因子、長游程低階灰度因子和長游程高階灰度因子中的至少一種。

5.根據權利要求4所述的方法，其特征在于，所述步驟3具體包括：

以訓練集里的病灶圖像特征數據(x_i1,x_i2,…,x_ip)作為輸入，以病人的病理信息y_i作為輸出，根據下式

對模型參數α和β進行估計，其中，t≥0為懲罰參數，i為病人編號，n為病人總個數，j為圖像病灶圖像特征數據編號，p為病灶圖像特征數據總個數。