[發明專利]一種頭頸部癌癥局部復發預測裝置

有效

• 申請號: 201910042418.1
• 申請日: 2019-01-17
• 公開（公告）號: CN109829488B
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 胡聰;王鵬;朱望純;周甜;許川佩;朱愛軍;萬春霆;陳濤
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 石燕妮

1.一種頭頸部癌癥局部復發預測裝置，其特征在于，該預測裝置包括：

數據采集模塊，用于采集數據構成訓練樣本；

分組模塊，用于將所述訓練樣本分組為訓練集和測試集；

特征提取模塊，用于對所述訓練集進行特征提取；

第一訓練模塊，用于接收所述特征提取模塊提取的特征進行隨機森林訓練，得到第一隨機森林分類器；

第一測試模塊，用于將所述測試集輸入至所述第一隨機森林分類器；

第二訓練模塊，用于將所述第一隨機森林分類器的輸出作為輸入進行隨機森林訓練，得到第二隨機森林分類器；

第二測試模塊，用于將所述測試集輸入至所述第二隨機森林分類器；

對于隨機森林的訓練，對每個分區創建決策樹，而不是僅對每個樣本創建決策樹，每個區域的決策樹用于構建最終的隨機森林；

所述特征提取模塊提取的特征至少包括方差、協方差、峰度、SUV最大值、SUV峰值、SUV均值、SUV曲線下面積、總病變糖酵解、失活體積百分比和廣義有效總量中的一種；

所述特征提取模塊提取的特征包括：10個一階統計特征、5種形態特征和每個特征使用40種不同的提取參數組合計算得到的共40個紋理特征；

所述特征提取模塊，用于對所述訓練集進行特征提取的具體過程為：

將最初的FDG-PET+CT圖像和DICOM格式的相關放射治療輪廓圖像著手，使用MATLAB中內部例程讀取完整的數據集并將其轉化為Matlab識別的格式，PET圖像被轉換SUV圖，CT圖像以HU格式保存，然后，從由每個機構的放射腫瘤學家描繪的“原發型GTV+淋巴結型GTV”輪廓定義的腫瘤區域的PET和CT圖像中提取了總共1615個影像特征；

所述第一訓練模塊，用于接收所述特征提取模塊提取的特征進行隨機森林訓練，得到第一隨機森林分類器的具體過程為；

采用三個影像特征集,I：PET特征；II：CT特征；和III：PET和CT特征的影像學特征集構建預測模型，每一個特征集均含有一階特征10個，形態特征5個，40種提取方法提取的40個特征共1600個，每組影像特征集均含1615個影像特征，并在訓練集HN1組和HN2組；n＝194上完成訓練工作；

使用信息增益方程方法，對每個初始特征集，即上述所說的三個 影像特征集的每組共1615個特征，執行特征集縮減，目的是在斯皮爾曼相關系數和最大信息系數之間達到平衡，得到25個不同特征的簡化特征集；

使用前向逐步邏輯回歸方法特征選擇，對于每個簡化特征集，選擇1到10的特征組合作為模型階數；

在得到最佳模型的階數后，使用自助重采樣方法在訓練集上進行預測評估，以得到對局部復發風險預測的最終邏輯回歸系數；

在定義的測試集中來測試最終構建預測模型，并進行性能評估；最終的預測模型是一個整體的概念，包括從開始的圖像數據集縮減處理一直到最終的第二隨機森林分類器，看成是一個完整的預測模型，即預測裝置，對于最終構建的預測模型而言，輸入即為患者的影像信息合臨床信息，輸出為是否會有局部復發。

2.根據權利要求1所述的一種頭頸部癌癥局部復發預測裝置，其特征在于，所述40個紋理特征包括9個來自灰度共生矩陣的特征，13個來自灰度級運行長度矩陣的特征，13個來自灰度級區域矩陣的特征和5個來自鄰域灰度差矩陣的特征。