[發(fā)明專利]一種基于機(jī)器學(xué)習(xí)的門脈高壓無(wú)創(chuàng)評(píng)估方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110938393.0
• 申請(qǐng)日: 2021-08-16
• 公開(kāi)（公告）號(hào): CN113658700B
• 公開(kāi)（公告）日: 2023-10-27
• 發(fā)明（設(shè)計(jì)）人: 黃曉銓;陳世耀
• 申請(qǐng)（專利權(quán)）人: 復(fù)旦大學(xué)附屬中山醫(yī)院
• 主分類號(hào): G16H50/30
• 分類號(hào): G16H50/30;G16H30/20;G06T7/11;G06V10/40;G06V10/80;G06V10/774;G06N3/0464;G06N20/20
• 代理公司: 上海容慧專利代理事務(wù)所(普通合伙) 31287
• 代理人: 于曉菁

1.一種基于機(jī)器學(xué)習(xí)的門脈高壓無(wú)創(chuàng)評(píng)估方法，其特征在于，所述方法包括以下步驟：

S1：獲取門脈高壓癥的圖像數(shù)據(jù)并對(duì)所述圖像數(shù)據(jù)進(jìn)行預(yù)處理；

S2：對(duì)預(yù)處理后的圖像數(shù)據(jù)運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行病灶區(qū)域分割，得到門脈高壓病灶區(qū)域；

S3：對(duì)所述門脈高壓病灶區(qū)域進(jìn)行影像組學(xué)特征提取和特征矩陣構(gòu)建，采用集成學(xué)習(xí)訓(xùn)練多個(gè)基礎(chǔ)分類器，得到門脈高壓無(wú)創(chuàng)評(píng)估模型；

S4：調(diào)用所述門脈高壓無(wú)創(chuàng)評(píng)估模型，對(duì)待評(píng)估的圖像數(shù)據(jù)進(jìn)行評(píng)估，輸出門脈高壓無(wú)創(chuàng)評(píng)估結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取門脈高壓癥的圖像數(shù)據(jù)并對(duì)所述圖像數(shù)據(jù)進(jìn)行預(yù)處理，包括：

對(duì)圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)脫敏，并采用如下公式對(duì)圖像數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理：

式中，μ為圖像的像素均值，x表示圖像中像素值所構(gòu)成的矩陣，σ和N分別表示圖像的像素標(biāo)準(zhǔn)差和圖像像素?cái)?shù)量。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)預(yù)處理后的圖像數(shù)據(jù)運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行病灶區(qū)域分割，得到門脈高壓病灶區(qū)域，包括：

通過(guò)編碼操作提取圖像特征值，利用池化層進(jìn)行逐級(jí)下采樣；

通過(guò)譯碼操作進(jìn)行逐級(jí)上采樣，將下采樣和上采樣過(guò)程中得到特征圖進(jìn)行逐層相加融合；

構(gòu)建損失函數(shù)L_CE，對(duì)分割結(jié)果進(jìn)行評(píng)估：

其中，M表示類別數(shù)，P_c表示預(yù)測(cè)樣本屬于類別c的概率，y_c是一個(gè)列向量，其元素取值為0或1，若類別和樣本的類別相同，則取值為1，否則取值為0。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述門脈高壓病灶區(qū)域進(jìn)行影像組學(xué)特征提取和特征矩陣構(gòu)建，包括：

使用Radiomics工具包對(duì)所述門脈高壓病灶區(qū)域進(jìn)行影像特征提取，將圖像所包含的信息進(jìn)行量化，將數(shù)據(jù)特征進(jìn)行歸一化處理，獲得預(yù)定數(shù)量的圖像特征，所述圖像特征包括形狀特征、灰度特征、紋理特征、小波特征。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述采用集成學(xué)習(xí)訓(xùn)練多個(gè)基礎(chǔ)分類器，得到門脈高壓無(wú)創(chuàng)評(píng)估模型，包括：

采用Bagging集成算法訓(xùn)練三種基礎(chǔ)分類器，所述三種基礎(chǔ)分類器為SVM分類器、邏輯回歸分類器和樸素貝葉斯分類器；

所述SVM分類器的核函數(shù)為RBF核函數(shù)：其中x，y表示樣本，γ為超參數(shù)，取值為0.5；

所述邏輯回歸分類器的核函數(shù)為Sigmoid函數(shù)：

所述樸素貝葉斯分類器的核函數(shù)為：y_k＝arg max(P(y_k|x))，argmax(.)函數(shù)表示取參數(shù)的最大值，k＝0，1，2，3；分別計(jì)算x屬于y₀、y₁、y₂、y₃的概率，選取其中概率的最大值，此時(shí)所對(duì)應(yīng)的y_k即為x所屬類別。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，對(duì)訓(xùn)練后的三種基礎(chǔ)分類器的輸出結(jié)果進(jìn)行融合，作為所述門脈高壓無(wú)創(chuàng)評(píng)估模型的評(píng)估結(jié)果：

s_t＝αx_t+βy_t+δz_t

式中，α，β，δ為三種基礎(chǔ)分類器的權(quán)重，取值分別為0.4，0.4，0.2，x_t，y_t，z_t代表三種基礎(chǔ)分類器，s_t為門脈高壓無(wú)創(chuàng)評(píng)估模型的評(píng)估結(jié)果，s_t的取值為0，1，2，3；其中，0代表沒(méi)有患門脈高壓癥，1代表可能患有門脈高壓癥，2代表確定患有門脈高壓癥，3代表患有嚴(yán)重的門脈高壓癥。