[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

本發明提供了一種本發明公開了一種影像組學分析模型構建方法，包括：獲取不同類型的患者在治療前和治療后的影像數據；從影像數據中劃分感興趣區域；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取；基于提取的影像特征建立影像組學分析模型。本發明通過無創的方式納入預處理和后處理的CT數據開發的影像組學模型，易于使用的列線圖可以個性化預測非小細胞肺癌患者不同臨床治療方式的獲益程度，從而為臨床決策提供了一個有效的工具。

技術領域

本申請涉及生物醫學工程技術領域，具體地，涉及一種影像組學分析模型構建方法及分析方法。

背景技術

先進行新輔助放化療再行根治性手術等綜合治療方案是一種基本的治療策略，但是對于不同類型的患者，該策略的效果是存在很大差異的。以非小細胞肺癌(non-smallcell lung cancer,NSCLC)為例，研究證實，在中位無進展生存期方面，術前放化療有明顯優勢，且遠處轉移率也低于單獨手術組；對于無縱隔淋巴結轉移的I期-II期(N0-1)患者，術前放化療的生存獲益更明顯；而對于IIIa期(N2)患者，并沒有明顯優勢。

然而，目前并沒有相關方法在治療之前識別不同類型的患者。

發明內容

為了解決上述技術問題，本發明的目的在于提供一種影像組學分析模型的構建方法以及影像組學分析方法，能夠在治療前識別出不同類型的患者。

根據本發明的第一方面，提出如下的技術方案：

根據本發明所述的一種影像組學分析模型構建方法，其特征在于，包括：

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取；

S4、基于提取的影像特征建立影像組學分析模型。

進一步地，根據本發明所述的影像組學分析模型構建方法，其特征在于，進一步包括：

所述治療包括放療和/或化療。

進一步地，根據本發明所述的影像組學分析模型構建方法，所述影像數據包括CT影像。

根據本發明所述的影像組學分析模型構建方法，所述感興趣區域為腫瘤區域。

進一步地，根據本發明所述的影像組學分析模型構建方法，所述影像特征提取包括：

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。

進一步地，根據本發明所述的影像組學分析模型構建方法，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；x_j(j＝1,2……d)表示變量；β_j(j＝0，1,2……d)表示模型參數，ε表示誤差項，

再次，采用算子回歸算法提取影像特征，具體為，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：