[發明專利]數字病理圖像的預后量化特征的篩選方法

有效

• 申請號: 202011185907.1
• 申請日: 2020-10-30
• 公開（公告）號: CN112309571B
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 付波;葉豐;步宏;李艷
• 申請（專利權）人: 電子科技大學
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/70;G06N20/10
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 李林合

本發明公開了一種數字病理圖像的預后量化特征的篩選方法，其包括獲取量化特征a⁽⁰⁾；依次采用Cox比例風險算法、機器學習模型和皮爾遜相關系數對量化特征a⁽⁰⁾進行篩選，得到特征向量a⁽³⁾；采用特征向量a⁽³⁾構建Cox比例風險模型，并采用Cox比例風險模型更新特征向量a⁽³⁾，再執行該步驟一次，之后將再次更新得到的特征向量a⁽³⁾輸入Cox比例風險模型，輸出特征風險系數，計算比例風險值。對特征向量a中每個特征對應的風險系數進行離散化處理，得到每個特征的風險評估分值；將評估分值大于截斷值的特征劃分至組Q，余下的劃分至組N；采用組Q中對應的特征作為預后量化特征。

技術領域

本發明涉及醫療圖像提取技術，具體涉及數字病理圖像的預后量化特征的篩選方法。

背景技術

癌的發生發展是癌細胞與腫瘤微環境相互作用的結果，腫瘤間質中細胞種類、數量或形態的改變，具有重要醫學指導意義。例如，乳腺癌中的淋巴細胞浸潤者一般預后較好，而腫瘤相關纖維細胞的出現，則提示預后不良。在常規病理工作中，一般定性描述腫瘤間質中細胞成分和細胞外基質的變化。而基于數字病理圖像分析，可自動分割間質中的不同成分，并進行定量或定性研究。

在定量研究上，利用病理圖像的形態學量化特征測定，研究者發現細胞核在低核面積與高核面積患者之間的預后存在顯著性差異。為提取乳腺癌上皮細胞和基質(6642個特征)中豐富的定量特征集，斯坦福大學的研究者開發了C-Path系統(ComputationalPathologist)，用于測量包括圖像對象的標準形態描述符和更高級別的上下文、關系和全局圖像特征。

目前醫學研究者在對患者預后數字病理圖像進行分析時，只需要對與腫瘤復發密切相關的形態學量化特征進行分析，尋找腫瘤復發的病因；但是目前醫學研究者從公開數據庫中下載的數據集，往往包括所有的形態學量化特征，數據量比較大，若采用人工去尋找與腫瘤復發密切相關的形態學量化特征，并將其從公開數據庫中篩選出，研究者的工作量非常大，且人工識別時，由于瀏覽大量的信息量會產生視覺疲勞，識別的準確性難以保證。

發明內容

針對現有技術中的上述不足，本發明提供的數字病理圖像的預后量化特征的篩選方法能夠快速篩選出與腫瘤復發密切相關的形態學量化特征。

為了達到上述發明目的，本發明采用的技術方案為：

提供一種數字病理圖像的預后量化特征的篩選方法，其包括：

S1、獲取癌癥預后數字病理圖像的所有形態學量化特征作為量化特征a⁽⁰⁾；

S2、依次采用Cox比例風險算法、機器學習模型和皮爾遜相關系數對量化特征a⁽⁰⁾進行篩選，得到特征向量a⁽³⁾；

S3、將特征向量a⁽³⁾與其對應的隨訪時間信息和隨訪事件信息輸入Cox比例風險算法，構建Cox比例風險模型；

S4、判斷Cox比例風險模型輸出的特征向量a⁽³⁾中特征的p值是否小于設定閾值，若是，在特征向量a⁽³⁾中保留當前特征，否則進入步驟S5；

S5、將預設閾值增大預設值，并判斷當前特征的p值是否小于更新后的設定閾值，若是，在特征向量a⁽³⁾中保留當前特征，否則將其刪除；

S6、基于調整后的特征向量a⁽³⁾重復執行步驟S3至步驟S5一次，得到最終確定的特征向量a；

S7、根據特征向量a中特征輸入步驟S6的Cox比例風險模型得到的特征風險系數，構建比例風險值表達式F＝d^T*H，d為所有特征風險系數構成的列向量，T為轉置，H為特征向量a；