[發明專利]一種影像組學分析模型構建方法及分析方法在審
| 申請號： | 201811512310.6 | 申請日： | 2018-12-11 |
| 公開（公告）號： | CN109583447A | 公開（公告）日： | 2019-04-05 |
| 發明（設計）人： | 孫殿珉;張躍忠;成金玲 | 申請（專利權）人： | 山東省腫瘤防治研究院（山東省腫瘤醫院） |
| 主分類號： | G06K9/32 | 分類號： | G06K9/32;G06K9/46;G06T7/00 |
| 代理公司： | 北京華專卓海知識產權代理事務所(普通合伙) 11664 | 代理人： | 張繼鑫 |
| 地址： | 250117 *** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 影像組 分析模型 影像數據 感興趣區域 影像特征 治療 構建 預處理 非小細胞肺癌 后處理 臨床治療 列線圖 無創 個性化 預測 決策 分析 開發 | ||
1.一種影像組學分析模型構建方法，其特征在于，包括如下步驟：
S1、獲取不同類型的患者在治療前和治療后的影像數據；
S2、從影像數據中劃分感興趣區域；
S3、分別針對治療前和治療后的影像數據中的感興趣區域進行影像特征提??；
S4、基于提取的影像特征建立影像組學分析模型。
2.根據權利要求1所述的影像組學分析模型構建方法，其特征在于，所述治療包括放療和/或化療。
3.根據權利要求2所述的影像組學分析模型構建方法，其特征在于，所述影像數據包括CT影像。
4.根據權利要求3所述的影像組學分析模型構建方法，其特征在于，所述感興趣區域為腫瘤區域。
5.根據權利要求4所述的影像組學分析模型構建方法，其特征在于，所述影像特征提取包括：
使用兩個樣本T檢驗和最小絕對收縮和選擇算子回歸算法提取影像特征。
6.根據權利要求1-5之一所述的影像組學分析模型構建方法，其特征在于，所述使用兩個樣本T檢驗，并采用最小絕對收縮算法和選擇算子回歸算法提取影像特征包括如下步驟：
首先，選擇主要隊列中完全病理緩解組和非完全病理緩解組之間基于單變量統計檢驗的最佳特征；
其次，采用最小絕對收縮算法提取影像特征，將具有最小絕對收縮和選擇算子懲罰的正則多變量logistic回歸應用于主要隊列的數據，其中將所選特征的線性組合加權各自的系數，設置一個模型被用來估計基于放射學特征的放化療結果，其中該模型按照以下方式被定義：
其中，模型y的值為1時表示病人處于完全病理緩解組，模型y的值為0時表示病人處于非完全病理緩解組；d表示用在該模型中的變量總數；xj(j＝1,2……d)表示變量；βj(j＝0，1,2……d)表示模型參數，ε表示誤差項，
再次，采用選擇算子回歸算法提取影像特征，用正則化回歸估測模型的參數、特征選擇，并通過賦予許多參數以零值可以同時進行：
其中γi表示病人i的結果；N表示病人數量；S是Sigmoid函數；xij代表第i個病人的第j個特征；λ表示正則化參數，其中Sigmoid函數定義為：
應用具有選擇算子LASSO懲罰的通過設置一些參數βj為0來引導稀疏模型，然后選擇對模型貢獻較大的特征來使用。
7.根據權利要求6所述的影像組學分析模型構建方法，所述基于提取的影像特征建立影像組學分析模型包括：
使用多因素Logistic分析建立影像組學分析模型。
8.一種影像組學分析方法，其特征在于，包括：
獲取患者治療前的影像數據；
從所述影像數據中劃分感興趣區域；
針對所述感興趣區域進行影像特征提?。?/p>
基于提取的影像特征和按照權利要求1-7之一所述的影像組學分析模型構建方法構建的影像組學分析模型，對患者進行分類。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于山東省腫瘤防治研究院（山東省腫瘤醫院），未經山東省腫瘤防治研究院（山東省腫瘤醫院）許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811512310.6/1.html，轉載請聲明來源鉆瓜專利網。
