[發(fā)明專利]一種通過影像組學特征判斷癌癥治療反應的方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202080001312.8
• 申請日: 2020-07-15
• 公開（公告）號: CN112262440A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設計）人: 張藝寶;黃宇亮;李晨光;吳昊;劉宏嘉
• 申請（專利權）人: 北京腫瘤醫(yī)院（北京大學腫瘤醫(yī)院）
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06T7/11;G06T7/30
• 代理公司: 北京市京師律師事務所 11665
• 代理人: 高曉麗

本發(fā)明提供一種通過影像組學特征判斷癌癥治療反應的方法及系統(tǒng)，包括：合成單元，用于將患者定位圖像和療程中的時序圖像進行匹配，將定位圖像上的數(shù)據(jù)映射到療程中的時序圖像上，將時序圖像上選定的部位分割成相應多個感興趣區(qū)；獲取單元，用于提取患者影像中具備穩(wěn)定性的影像組學特征；分析單元，用于隨治療進度，根據(jù)影像組學特征參數(shù)在感興趣區(qū)的變化趨勢評估患者的治療反應。本發(fā)明提供的方案具有以下有益效果：利用穩(wěn)定性好、可重復性高、隨治療分次和累積劑量變化趨勢明顯的時序影像組學特征值；獲得腫瘤復發(fā)轉移或正常組織輻射損傷發(fā)生的早期個體化預測，提高腫瘤控制概率的同時降低正常組織輻射損傷風險和腫瘤復發(fā)轉移風險。

技術領域

本發(fā)明涉及放射治療設備領域，特別涉及一種通過影像組學特征判斷癌癥治療反應的方法及系統(tǒng)。

背景技術

放療是癌癥的主要治療手段之一，腫瘤控制和器官損傷存在放射劑量學矛盾。癌癥的放療效果與靶區(qū)輻射劑量正相關，但隨之增加的放射性損傷，比如肺癌中的肺炎(放肺)風險同是進一步提高靶區(qū)劑量的關鍵制約因素，也是導致放療中斷甚至失敗的主要原因之一。放肺是正常肺組織受到輻射損傷后出現(xiàn)的炎癥反應，臨床主要表現(xiàn)為彌漫性肺泡損傷，嚴重的有可能會發(fā)展為放射性肺纖維化，在肺癌、食管癌等胸部腫瘤放療患者中的發(fā)病率和死亡率較高。腫瘤的控制概率和放肺的發(fā)生風險均與劑量正相關，個體化早期動態(tài)監(jiān)控不僅有利于放肺的預防和干預，而且有利于以更低的風險獲得更好的放療效果。但腫瘤控制和放肺發(fā)生的臨界劑量閾值的個體差異很大，臨床難以準確把握個體化放肺風險的同時爭取更高的靶區(qū)劑量和腫瘤控制概率。

放療中的嚴重損傷，比如放射性肺炎的預測成為放療過程中亟待解決的技術問題。癌癥難治愈，最大的風險是容易腫瘤復發(fā)轉移，腫瘤復發(fā)轉移早期預測具有非常重要的現(xiàn)實意義，也是亟待解決的問題。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于克服上述現(xiàn)有技術的缺陷，提供了一種通過影像組學特征判斷癌癥治療反應的方法及系統(tǒng)，以解決現(xiàn)有技術無法解決的腫瘤復發(fā)轉移風險預測，及放射性損傷風險預測問題。

本發(fā)明實施例之一提供一種通過影像組學特征判斷癌癥治療反應的系統(tǒng)，其特征在于，包括：合成單元，用于將患者定位圖像和療程中的時序圖像進行匹配，將定位圖像上的數(shù)據(jù)映射到療程中的時序圖像上，將時序圖像上選定的部位分割成相應多個感興趣區(qū)；獲取單元，用于提取患者影像中具備穩(wěn)定性的影像組學特征；分析單元，用于隨治療進度，根據(jù)所述具備穩(wěn)定性的影像組學特征參數(shù)在感興趣區(qū)的變化趨勢評估患者的治療反應。

在一些實施例中，所述具備穩(wěn)定性的影像組學特征，包括具有時間穩(wěn)定性的影像組學特征；所述具有時間穩(wěn)定性的影像組學特征指，在不同時間，基于相同條件相同位置采集的圖像中的影像組學特征具備一致性的，為具備時間穩(wěn)定性的影像組學特征。

在一些實施例中，所述具備穩(wěn)定性的影像組學特征，還包括具有跨模態(tài)等價性的影像組學特征；所述具有跨模態(tài)等價性的影像組學特征指，同一對象相同位置不同圖像模態(tài)的同一影像組學特征具備一致性的，為具有跨模態(tài)等價性的影像組學特征。

在一些實施例中，具備穩(wěn)定性的影像組學特征具有變化趨勢與逐漸累積的輻射劑量相關聯(lián)的特點。

在一些實施例中，將患者定位圖像和療程中的時序圖像進行匹配，包括形變配準方法匹配、或手工標注方法匹配、或剛性配準方法匹配。

在一些實施例中，所述隨治療進度，根據(jù)影像組學特征參數(shù)在感興趣區(qū)的變化趨勢評估患者的治療反應，包括分析腫瘤復發(fā)轉移風險，當風險值高于閾值時，該患者在當前條件下有癌癥高復發(fā)轉移風險。

在一些實施例中，所述分析腫瘤復發(fā)轉移風險包括，將具備穩(wěn)定性的影像組學特征輸入預測模型，得出腫瘤是否復發(fā)轉移的結果；所述預測模型通過發(fā)生和未發(fā)生腫瘤復發(fā)轉移的患者數(shù)據(jù)為訓練集，擬合影像組學特征變化趨勢與腫瘤復發(fā)轉移的關系，得出腫瘤復發(fā)轉移風險的閾值；預測模型以影像組學特征為輸入，以腫瘤是否復發(fā)轉移為輸出目標，訓練得到。