[發明專利]一種基于乳腺專用PET影像組學預測腋窩淋巴結轉移的方法

有效

• 申請號: 202110463515.5
• 申請日: 2021-04-26
• 公開（公告）號: CN113208640B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 李俊杰;程競儀;任采月;柳光宇;張福全;邵志敏
• 申請（專利權）人: 復旦大學附屬腫瘤醫院
• 主分類號: A61B6/03
• 分類號: A61B6/03;G16H30/20
• 代理公司: 北京方圓嘉禾知識產權代理有限公司 11385
• 代理人: 沈忠華

1.一種基于乳腺專用PET影像組學預測腋窩淋巴結轉移的方法，其特征在于：包括

數據采集：采集乳腺癌確診患者治療前后基線臨床信息及乳腺病灶的免疫組化病理結果，根據手術淋巴結清掃病理結果將患者分為淋巴結陰性組和淋巴結陽性組，上述數據中按比例將患者分成訓練組和驗證組，訓練組用于篩選特征并建立預測模型，驗證組用于進行模型驗證、評價；

影像組學特征提取：對原始乳腺專用PET圖像去除干擾結果的噪聲和雜質并進行腫瘤分割，采用數據模板對圖像進行量化處理，獲得影像組學特征數據；

數據預處理：將步驟數據采集的患者基線臨床信息及乳腺病灶的免疫組化病理結果和步驟影像組學特征提取進行標數據準化處理獲得原始數據集；

特征篩選：對獲得的原始數據集進行統計、分析、繪圖，得到初步數據集中淋巴結病理結果與初步篩選出特征之間的關系，評估特征在淋巴結陰性與陽性組間的差異獲得最終數據集；

建立模型：對最終數據集中的特征采用多種機器學習和深度學習算法建立模型，獲得篩選的特征與對應權重系數進行線性組合得到患者的預測模型；

驗證模型：分別在訓練集和驗證集中通過檢驗模型淋巴結轉移預測結果與手術病理結果的偏差來評估模型的預測效能；

可視化輸出：將風險預測模型進行可視化呈現，根據特征評分計算患者的得分情況及淋巴結轉移風險，為評估乳腺癌患者ALN狀態提供可視化數據。

2.根據權利要求1所述的基于乳腺專用PET影像組學預測腋窩淋巴結轉移的方法，其特征在于：基線臨床信息包括患者年齡、體重、病灶大小、位置、原發灶MAMMI?PET圖像以及原發灶免疫組化病理結果。

3.根據權利要求1所述的基于乳腺專用PET影像組學預測腋窩淋巴結轉移的方法，其特征在于：影像組學特征數據包括：

基礎特征：包括強度特征、形狀特征、2D形狀特征，灰度共生矩陣(GLCM)特征、灰度行程矩陣(GLRLM)特征、灰度級區域大小矩陣(GLSZM)特征以及相鄰灰度矩陣(NGTDM)；

高級特征：包括小波變換后再次提取的強度特征、灰度共生矩陣特征、灰度行程矩陣特征進和灰度級區域大小矩陣中任一一種或多種。

4.根據權利要求1所述的基于乳腺專用PET影像組學預測腋窩淋巴結轉移的方法，其特征在于：影像組學特征采用的數據標準化處理為Z-score法。

5.根據權利要求1所述的基于乳腺專用PET影像組學預測腋窩淋巴結轉移的方法，其特征在于：影像組學特征提取采用將DICOM格式的PET圖像從工作站中導入圖像到MIM軟件中并進行預處理，去除干擾結果的噪聲和雜質，采用MIM軟件PET-edge模板進行腫瘤分割，獲得腫瘤區域DICOM文件，將上述腫瘤區域DICOM文件導入3D?Slicer軟件中，采用Pyradiomics模板對圖像進行量化處理。

6.根據權利要求1所述的基于乳腺專用PET影像組學預測腋窩淋巴結轉移的方法，其特征在于：特征篩選中使用R軟件進行數據統計、分析、繪圖，在訓練組中采用適合高維數據運算的最小絕對值收斂和選擇算子回歸模型(LASSO)方法進行特征的降維、篩選，去除冗余的參數，以減少數據過度擬合的影響；

采用10倍交叉驗證法計算最小均方誤差，根據最小均方誤差得到了LASSO模型的最佳懲罰參數，從原始數據集特征中篩選出系數不為零的特征，構成初步數據集，使用單變量特征選擇方法中的ANOVA(方差分析)算法，得到初步數據集中淋巴結病理結果與初步篩選出特征之間的關系，評估特征在淋巴結陰性與陽性組間的差異，剔除顯著性差異程度值(p值)大于0.05的特征，獲得最終數據集。

7.根據權利要求1所述的基于乳腺專用PET影像組學預測腋窩淋巴結轉移的方法，其特征在于：模型建立中采用對最終數據集中的特征進行Logistic回歸算法，通過篩選的特征與對應權重系數進行線性組合得到患者的預測模型，采用預測模型計算乳腺癌患者淋巴結轉移風險度評分。