[發(fā)明專利]一種基于雙區(qū)域影像組學(xué)的食管鱗癌生存預(yù)測方法和系統(tǒng)在審
| 申請?zhí)枺?/td> | 202110477059.X | 申請日: | 2021-04-29 |
| 公開(公告)號: | CN113096757A | 公開(公告)日: | 2021-07-09 |
| 發(fā)明(設(shè)計)人: | 董璐;李志成;趙源深;張圣海 | 申請(專利權(quán))人: | 中國科學(xué)院深圳先進(jìn)技術(shù)研究院 |
| 主分類號: | G16H10/60 | 分類號: | G16H10/60;G16H50/20;G16H50/30;G16H50/50;G16H50/70 |
| 代理公司: | 北京市誠輝律師事務(wù)所 11430 | 代理人: | 耿慧敏;朱偉軍 |
| 地址: | 518055 廣東省深圳*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 區(qū)域 影像 食管 生存 預(yù)測 方法 系統(tǒng) | ||
1.一種基于雙區(qū)域影像組學(xué)的食管鱗癌生存預(yù)測方法,包括以下步驟:
步驟S1,利用已知病例的數(shù)據(jù)集,分別提取腫瘤區(qū)域和淋巴結(jié)區(qū)域的影像組學(xué)特征,該數(shù)據(jù)集包含患者的CT影像數(shù)據(jù)、生存期信息和臨床風(fēng)險信息;
步驟S2,對所提取的影像組學(xué)特征進(jìn)行可預(yù)測性篩選;
步驟S3,將篩選后的特征輸入最小絕對收縮和選擇算子LASSO回歸模型,獲得非零系數(shù)的特征,并利用非零系數(shù)特征的線性組合構(gòu)建用于生存預(yù)測的雙區(qū)域影像組學(xué)預(yù)后模型,其中所述雙區(qū)域影像組學(xué)預(yù)后模型的輸入是融合腫瘤區(qū)域和淋巴結(jié)區(qū)域建立的雙區(qū)域影像組學(xué)特征。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,步驟S1包括:
針對病例的CT影像數(shù)據(jù),采用線性插值法將所有體素各向同性地重采樣并進(jìn)行特征提取,以勾畫腫瘤區(qū)域和淋巴結(jié)區(qū)域的三維感興趣體積VOI;
在描繪表示腫瘤和淋巴結(jié)區(qū)域的平均值和標(biāo)準(zhǔn)偏差中,強(qiáng)度超過μ±3σ的體素被丟棄,其中μ是平均值,σ是標(biāo)準(zhǔn)偏差;
在病例腫瘤VOI中,提取腫瘤區(qū)域的影像組學(xué)特征,每個病例的腫瘤區(qū)域影像組學(xué)特征包括一階特征、形狀特征和紋理特征;
在病例淋巴結(jié)VOI中,提取淋巴結(jié)區(qū)域的影像組學(xué)特征,每個病例的淋巴結(jié)區(qū)域影像組學(xué)特征同樣包括一階特征、形狀特征和紋理特征。
3.根據(jù)權(quán)利要求1所述的方法,其中,步驟S2包括:針對所提取的影像組學(xué)特征進(jìn)行降維,通過可預(yù)測性選擇,計算每個特征的一致性指數(shù)C-index,去除C-index在0.4至0.6之間的特征。
4.根據(jù)權(quán)利要求1所述的方法,其中,所述雙區(qū)域影像組學(xué)預(yù)后模型的輸入還包括臨床病理因素。
5.根據(jù)權(quán)利要求4所述的方法,其中,所述臨床病理因素包含年齡、性別,CT報告腫瘤長度和厚度、CT報告中腫瘤的位置、淋巴結(jié)狀態(tài),pT和pN分期。
6.根據(jù)權(quán)利要求1所述的方法,其中,訓(xùn)練所述雙區(qū)域影像組學(xué)預(yù)后模型的影像組學(xué)標(biāo)簽根據(jù)以下步驟構(gòu)建:
針對影像組學(xué)特征的線性組合,構(gòu)建影像組學(xué)標(biāo)志物模型,并計算出每位患者的影像組學(xué)評分Rad-score;
使用X-tile,生成訓(xùn)練數(shù)據(jù)集的Rad-score最優(yōu)截斷值;
使用最優(yōu)切斷值,將患者分為高風(fēng)險組和低風(fēng)險組。
7.一種基于雙區(qū)域影像組學(xué)的食管鱗癌生存預(yù)測系統(tǒng),包括:
特征提取單元:用于利用已知病例的數(shù)據(jù)集,分別提取腫瘤區(qū)域和淋巴結(jié)區(qū)域的影像組學(xué)特征,該數(shù)據(jù)集包含患者的CT影像數(shù)據(jù)、生存期信息和臨床風(fēng)險信息;
特征篩選單元:用于對所提取的影像組學(xué)特征進(jìn)行可預(yù)測性篩選;
生存預(yù)測單元:用于將篩選后的特征輸入最小絕對收縮和選擇算子LASSO回歸模型,獲得非零系數(shù)的特征,并利用非零系數(shù)特征的線性組合構(gòu)建用于生存預(yù)測的雙區(qū)域影像組學(xué)預(yù)后模型,其中所述雙區(qū)域影像組學(xué)預(yù)后模型的輸入是融合腫瘤區(qū)域和淋巴結(jié)區(qū)域建立的雙區(qū)域影像組學(xué)特征。
8.根據(jù)權(quán)利要求7所述的系統(tǒng),其特征在于,所述雙區(qū)域影像組學(xué)預(yù)后模型的輸入還包括臨床病理因素,該臨床病理因素包含年齡、性別,CT報告腫瘤長度和厚度、CT報告中腫瘤的位置、淋巴結(jié)狀態(tài),pT和pN分期。
9.一種計算機(jī)可讀存儲介質(zhì),其上存儲有計算機(jī)程序,其中,該程序被處理器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1至6中任一項所述方法的步驟。
10.一種計算機(jī)可讀存儲介質(zhì),其上存儲有計算機(jī)程序,其中,該程序被處理器執(zhí)行時實現(xiàn)根據(jù)權(quán)利要求1至6中任一項所述方法的步驟。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國科學(xué)院深圳先進(jìn)技術(shù)研究院,未經(jīng)中國科學(xué)院深圳先進(jìn)技術(shù)研究院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110477059.X/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





