[發(fā)明專利]基于影像組學(xué)定性算法構(gòu)建癌癥臨床指標(biāo)評估系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110038828.6
• 申請日: 2021-01-12
• 公開（公告）號: CN112768072B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計）人: 戚麗霜;劉宜鑫;王可錚;顧云燕;趙文媛;常志強(qiáng);楊麗萍;李昕;李夢玥;亓海濤
• 申請（專利權(quán)）人: 哈爾濱醫(yī)科大學(xué)
• 主分類號: G16H50/30
• 分類號: G16H50/30;G16H50/70;G16H50/50;G06T17/00;G06T11/20;G06T7/00;G06V10/40;G06V10/77
• 代理公司: 北京科龍寰宇知識產(chǎn)權(quán)代理有限責(zé)任公司 11139
• 代理人: 孫皓晨

1.一種基于影像組學(xué)定性算法構(gòu)建癌癥臨床指標(biāo)評估系統(tǒng)，其特征在于，包括數(shù)據(jù)輸入模塊、特征提取與優(yōu)選模塊、定性模型構(gòu)建模塊和評估模塊，其中：

所述數(shù)據(jù)輸入模塊，用于輸入多維度患者臨床數(shù)據(jù)，其中，所述多維度患者臨床數(shù)據(jù)包括：患者的術(shù)前多模態(tài)醫(yī)學(xué)影像圖譜和臨床數(shù)據(jù)；

所述特征提取與優(yōu)選模塊，與所述數(shù)據(jù)輸入模塊連接，用于提取影像組學(xué)定量特征值及臨床數(shù)據(jù)特征，以及對定量特征值進(jìn)行降維優(yōu)選，其中所述特征提取與優(yōu)選模塊包括三維醫(yī)學(xué)影像特征提取子模塊、臨床數(shù)據(jù)特征提取子模塊以及定量特征降維優(yōu)選子模塊，其中：

所述三維醫(yī)學(xué)影像特征提取子模塊，與所述數(shù)據(jù)輸入模塊連接，用于提取并輸出影像組學(xué)特征；

所述臨床數(shù)據(jù)特征提取子模塊，與所述數(shù)據(jù)輸入模塊連接，用于對樣本的臨床數(shù)據(jù)進(jìn)行統(tǒng)一化處理，具體為對所述臨床數(shù)據(jù)進(jìn)行文本數(shù)值化轉(zhuǎn)化，進(jìn)行缺失值處理并進(jìn)行統(tǒng)一化處理，輸出患者臨床信息；

所述定量特征降維優(yōu)選子模塊，分別與所述三維醫(yī)學(xué)影像特征提取子模塊和所述臨床數(shù)據(jù)特征提取子模塊連接，其包括多種定量特征選擇算法，用于將所述三維醫(yī)學(xué)影像特征提取子模塊所提取的所述影像組學(xué)特征作為輸入特征向量，通過所述多種定量特征選擇算法結(jié)合所述臨床信息，識別與患者癌癥各類臨床指標(biāo)相關(guān)的影像組學(xué)特征；

所述定性模型構(gòu)建模塊，與所述特征提取與優(yōu)選模塊連接，其通過影像組學(xué)定性算法構(gòu)建用于預(yù)測患者癌癥各類臨床指標(biāo)的評估模型，其中，定性模型構(gòu)建模塊包括：定性特征矩陣構(gòu)建子模塊、定性特征對降維優(yōu)選子模塊以及定性評估模型構(gòu)建子模塊，其中：

所述定性特征矩陣構(gòu)建子模塊與所述定量特征降維優(yōu)選子模塊連接，用于將所有影像組學(xué)特征兩兩組成特征對，并根據(jù)每對特征值的相對秩序關(guān)系對樣本進(jìn)行定性描述，構(gòu)建定性二進(jìn)制矩陣；

所述定性特征對降維優(yōu)選子模塊，分別與所述定性特征矩陣構(gòu)建子模塊和所述臨床數(shù)據(jù)特征提取子模塊連接，其包括多種定性特征對選擇算法，用于通過多種定性特征對選擇算法結(jié)合所述臨床信息，識別與患者癌癥各類臨床指標(biāo)相關(guān)的影像組學(xué)定性特征對；

所述定性評估模型構(gòu)建子模塊，分別與所述定性特征對降維優(yōu)選子模塊和所述臨床數(shù)據(jù)特征提取子模塊連接，其包括多種模型構(gòu)建算法與多種交叉驗證等級，用于構(gòu)建評估癌癥各類臨床指標(biāo)的評估模型，具體為通過多種模型構(gòu)建算法結(jié)合所述臨床信息，優(yōu)化選取多種交叉驗證等級，識別一組與患者癌癥各類臨床指標(biāo)相關(guān)的影像組學(xué)定性特征對集合作為評估模型；

所述評估模塊，與所述定性模型構(gòu)建模塊連接，用于對癌癥的早期診斷、預(yù)后及藥效亞型提供無創(chuàng)、精準(zhǔn)以及非主觀性的評估。

2.根據(jù)權(quán)利要求1所述的評估系統(tǒng)，其特征在于，所述術(shù)前多模態(tài)醫(yī)學(xué)影像圖譜具體為在多模態(tài)醫(yī)學(xué)影像三維重建與重點區(qū)域分割的基礎(chǔ)上所獲得的待處理數(shù)據(jù)，其中，所述重點區(qū)域為腫瘤原發(fā)灶區(qū)域。

3.根據(jù)權(quán)利要求1所述的評估系統(tǒng)，其特征在于，所述臨床數(shù)據(jù)包括：患者個人基本數(shù)據(jù)，其包括性別、年齡、吸煙史、治療史與基礎(chǔ)性疾病；腫瘤TNM分期數(shù)據(jù)；患者術(shù)后生存隨訪信息，其包括生存時間與生存狀態(tài)。

4.根據(jù)權(quán)利要求1所述的評估系統(tǒng)，其特征在于，所述三維醫(yī)學(xué)影像特征提取子模塊提取影像組學(xué)特征具體為：基于PyRadiomics工具包，對原始三維醫(yī)學(xué)圖像通過高通或低通小波濾波器和具有不同λ參數(shù)的拉普拉斯高斯濾波器進(jìn)行處理，得到8個小波預(yù)處理后圖像和5個拉普拉斯濾波器處理后的圖像，然后對原始三維醫(yī)學(xué)圖像和處理后圖像的影像組學(xué)特征進(jìn)行提取，其中，所述影像組學(xué)特征包括：基于圖像像素值的一階特征、描述腫瘤形態(tài)的形態(tài)特征及描述腫瘤內(nèi)部和表面紋理的灰度共生矩陣、灰度游程矩陣、灰度區(qū)域大小矩陣和灰度共生矩陣紋理特征。

5.根據(jù)權(quán)利要求1所述的評估系統(tǒng)，其特征在于，多種定量特征選擇算法包括：過濾式特征選擇、包裹式特征選擇和嵌入式特征選擇；所述過濾式特征選擇包括方差分析、相關(guān)系數(shù)、卡方檢驗、t檢驗、F檢驗、單因素COX、互信息法relief算法，所述包裹式特征選擇包括貪婪搜索，所述嵌入式特征選擇包括邏輯回歸和線性回歸。