[發明專利]肝細胞癌的微血管侵犯預測模型構建方法與概率預測方法

在審

• 申請號: 202011528302.8
• 申請日: 2020-12-22
• 公開（公告）號: CN112651507A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 李躍明;溫麗婷;嚴川;葉榕平;朱月珉;周麗麗;陳曉潔;高蘭梅
• 申請（專利權）人: 福建醫科大學附屬第一醫院
• 主分類號: G06N7/00
• 分類號: G06N7/00;G06T7/00;G06T7/41;G06K9/32
• 代理公司: 上海上谷知識產權代理有限公司 31342
• 代理人: 蔡繼清

1.一種肝細胞癌的微血管侵犯預測模型構建方法，其特征在于，包括：

根據多個類型的醫學圖像上勾畫的腫瘤感興趣區域，得到每個類型的所述醫學圖像的最大判別因子；

從多個類型的所述醫學圖像的最大判別因子、影像特征以及臨床特征中選取對微血管侵犯有統計學意義的多個預測變量；

基于所述多個預測變量，構建肝細胞癌微血管侵犯預測模型。

2.根據權利要求1所述的肝細胞癌的微血管侵犯預測模型構建方法，其特征在于，所述從多個類型的所述醫學圖像的最大判別因子、影像特征以及臨床特征中選取對微血管侵犯有統計學意義的多個預測變量，包括：

以各類型的所述醫學圖像的最大判別因子、影像特征或臨床特征作為變量進行單因素logistic回歸分析，得到對微血管侵犯有統計學意義的所述預測變量。

3.根據權利要求1所述的肝細胞癌的微血管侵犯預測模型構建方法，其特征在于，所述基于所述多個預測變量，構建肝細胞癌微血管侵犯預測模型，包括：

對所述多個預測變量進行多因素logistic回歸分析，得到肝細胞癌微血管侵犯預測模型。

4.根據權利要求3所述的肝細胞癌的微血管侵犯預測模型構建方法，其特征在于，所述對所述多個預測變量進行多因素logistic回歸分析，得到肝細胞癌微血管侵犯預測模型，包括：

對所述多個預測變量進行多因素logistic回歸分析，得到微血管侵犯的多個獨立預測因子；

利用所述多個獨立預測因子構成所述肝細胞癌微血管侵犯預測模型。

5.根據權利要求4所述的肝細胞癌的微血管侵犯預測模型構建方法，其特征在于，所述多個獨立預測因子包括：肝膽期腫瘤周圍低信號，門脈期圖像的最大判別因子，肝膽期圖像的最大判別因子；

所述肝細胞癌微血管侵犯預測模型為：

其中，P表示微血管侵犯概率，β₀表示常數，X₁表示肝膽期腫瘤周圍低信號，β₁表示肝膽期腫瘤周圍低信號的指示值對應的常數，X₂表示動脈期圖像的最大判別因子，β₂表示動脈期圖像的最大判別因子對應的常數，X₃表示門脈期圖像的最大判別因子，β₃表示門脈期圖像的最大判別因子對應的常數。

6.根據權利要求5所述的肝細胞癌的微血管侵犯預測模型構建方法，其特征在于，β₀＝-4.612，β₁＝3.614，β₂＝2.035，β₃＝-1.876。

7.根據權利要求1所述的肝細胞癌的微血管侵犯預測模型構建方法，其特征在于，所述根據多個類型的醫學圖像上勾畫的腫瘤感興趣區域，得到各類型的所述醫學圖像的最大判別因子，包括：

對各類型的醫學圖像上的腫瘤感興趣區域進行紋理分析，得到每個類型的所述醫學圖像的感興趣區域對應的多個紋理特征；

基于各類型的所述醫學圖像的感興趣區域對應的多個紋理特征，得到各類型的所述醫學圖像的最大判別因子。

8.根據權利要求7所述的肝細胞癌的微血管侵犯預測模型構建方法，其特征在于，所述基于各類型的所述醫學圖像的感興趣區域對應的多個紋理特征，得到各類型的所述醫學圖像的最大判別因子，包括：

對于每個類型的所述醫學圖像，將所述醫學圖像的感興趣區域對應的多個紋理特征輸入到預設的線性鑒別分析模型，得到所述醫學圖像的最大判別因子。