[發明專利]一種利用PET/CT圖像推算肺癌基因分型的演算方法

有效

• 申請號: 202010224526.3
• 申請日: 2020-03-26
• 公開（公告）號: CN111445946B
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 袁雙虎;李瑋;李莉;韓毅;劉寧;魏玉春;王碧瑤;袁朔;呂慧穎;于金明
• 申請（專利權）人: 山東省腫瘤防治研究院（山東省腫瘤醫院）;山東大學;濟南比山網絡科技有限公司
• 主分類號: G16B20/00
• 分類號: G16B20/00;G06K9/34;G06K9/62;G16H50/20
• 代理公司: 北京知匯林知識產權代理事務所(普通合伙) 11794
• 代理人: 董濤

1.一種利用PET/CT圖像推算肺癌基因分型的演算方法，其特征是，包括以下步驟：

1）基于PET/CT診斷對人體進行醫療影像拍攝，得到影像資料；

2）獲得不同的影像資料進行腫瘤組織及淋巴結的密度、形態和紋理評估；

3）通過圖像分割與繪制，逐層勾畫主病灶的輪廓，然后將二維腫瘤區域進行三維容積重組，生成三維感興趣的容積，并從中提取特征數據，所述特征數據包括腫瘤直方圖強度、形狀和尺寸特征、紋理結構、定位、分形和融合特征、與周圍組織的關系及是否臨近肺部支氣管樹和血管樹；

4）建立改進的隨機森林算法，利用Pearson相關系數建立一種深度學習模型，進行患者血液中腫瘤標志物種類和濃度類別的學習及區分，根據深度學習來推算肺癌基因分型，所述隨機森林算法流程為：先設定樣本所具有的屬性個數為 N，n′為0到N開區間內的整數，

（1）首先利用Bootstrap重采樣方法隨機生成T個訓練集，即V1,V2,V3,…,VT；

（2）利用上述生成的每個訓練集去生成相對應的決策樹分類器，即 Q1,Q2,Q3, ... ,QT；在每個非葉子節點，也就是內部節點，選擇屬性之前，從N個屬性中隨機選取n′個屬性為當前非葉子節點的分裂屬性集，并且利用這n′個屬性中最好的分裂方式，對當前非葉子節點進行分裂， n′的值在整個森林的成長過程中保持不變；

（3）讓每顆決策樹都完整地成長，不對它們進行剪枝；

（4）將測試集樣本 X 導入各個決策樹分類器，讓各個決策樹分類器分別對其進行預測分類，得到相對應的類別 Q1(X),Q2(X),Q3(X),…,QT(X)；

（5）最后還是采取投票的方式，將獲得票數最多的類別作為測試集樣本 X 的類別。

2.根據權利要求1所述的方法，其特征在于，深度學習模型的集成錯誤率為：

根據錯誤率小于0.1來結束模型的訓練。

3.根據權利要求1所述的方法，其特征在于，Pearson相關系數 r 的計算公式為： 其中，。

4.根據權利要求3所述的方法，其特征在于，Pearson相關系數的取值范圍為：，r為正值表示兩者相關方向為正相關，為負值表示相關方向為負相關；，兩者完全相關；，顯著性相關；，高度相關；，中度相關；，低度相關；，微弱相關；，不相關。