[發明專利]用于預測肝細胞肝癌組織學等級的基于釓塞酸二鈉增強MRI的影像組學特征采集方法

在審

• 申請號: 202210272956.1
• 申請日: 2022-03-18
• 公開（公告）號: CN114708977A
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 尹胤;劉巧玉;劉洋;徐曉亮;周喆聿;王錦程;王琨;張文杰
• 申請（專利權）人: 南京亨達生物科技有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H50/20;G16H50/30;G06V10/771;G06V10/54;G06V10/82;G06K9/62;G06T7/00
• 代理公司: 哈爾濱三目知識產權代理事務所(普通合伙) 23214
• 代理人: 劉冰

一種用于預測肝細胞肝癌的組織學等級的基于釓塞酸二鈉增強MRI的影像組學特征采集方法。現有的缺少一種基于釓塞酸二鈉增強的MRI影像組學特征提取方法。一種用于預測肝細胞肝癌的組織學等級的基于釓塞酸二鈉增強MRI的影像組學特征采集方法，針對MRI的HCC病理信息的患者設置納入標準和排除標準，并統計能夠納入影像組學特征采集的患者總數量，納入標準的患者接受常規Gd?EOB?DTPA增強MRI檢查；將獲得的釓塞酸二鈉增強MRI的部分進行影像組學特征提取。本發明作為預測肝細胞肝癌的組織學等級的數據基礎，具有特征提取準確的優點。

技術領域

本發明涉及肝癌的組織學等級預測用特征提取方法，用于預測肝細胞肝癌組織學等級的基于釓塞酸二鈉增強MRI的影像組學特征采集方法。

背景技術

HCC是全球診斷最頻繁的癌癥之一，也是與癌癥相關性死亡的主要原因[1]。對于HCC患者，手術切除和肝移植是潛在的治愈性治療方法[2]，但術后復發仍然很常見。組織學等級是HCC患者術后復發和預后的最重要預測指標之一[3-6]。與中分化和高分化的HCC相比，低分化的HCC通常預示著較差的生存[7]。Oishi等不建議分化差且直徑＞3cm的HCC患者進行肝移植[8]。Okusaka等指出，分化較差的HCC患者需要擴大切除范圍以獲得更大的安全切緣，同時他們需要更頻繁的治療后隨訪[9]。活檢是獲取腫瘤組織病理學信息的唯一術前方法，它具有侵入性并且存在采樣誤差。因此，基于術前影像學準確地評估HCC的組織學等級對于治療規劃、預后和術后管理都至關重要。

影像組學是一個新興的研究領域，致力于高通量地提取基于醫學圖像中的大量的和基于統計學的復雜、隱藏的信息[10]。影像組學已用于各種類型腫瘤的多種生物學行為評估，包括腫瘤復發、預后和組織學等級[11-13]。CT的紋理特征、非造影增強MRI的影像組學標簽，以及基于釓噴酸葡胺增強MRI的影像組學已經被嘗試用于術前預測HCC組織學等級[14-16]。

Gd-EOB-DTPA是肝細胞特異性造影劑。一些回顧性研究證實Gd-EOB DTPA增強MRI在預測HCC組織學等級中起到了重要作用[17-19]。最近，Kim等報道術前使用Gd-EOB-DTPA增強MRI可以有效地區分單發HCC患者根治性切除后的早期復發(≤2年)和晚期復發(＞2年)[20]。但是至今沒有人嘗試使用Gd-EOB-DTPA增強MRI影像組學特征來評估HCC的組織學等級。

人工神經網絡(artificialneuralnetwork，ANN)是一種常用的機器學習方法，由一組高度互連的處理單元(神經元)組成，這些處理單元通過權重連接在一起[21]。網絡由輸入層、輸出層和一個或多個隱藏層組成。隱藏單元使ANN能夠編碼輸入層和輸出層之間的非線性關系[22]。與臨床決策相關的許多因素之間的相互作用是復雜且非線性的[23，24]。傳統的線性判別分析很難區分類別。對于多維度的影像組學特征，ANN可以以任意精度擬合任意關系的非線性映射，成為預測臨床終點事件的潛在應用工具[25，26]。

因此，本發明的目的是設計一種特征的提取方法，用于建立基于Gd-EOB-DTPA增強MRI影像組學特征的術前預測HCC組織學等級的模型，以彌補提取特征的方法不夠健全的問題。

參考文獻：

[1]TorreLA，BrayF，SiegelRL，etal.Globalcancerstatistics，2012[J].CACancerJClin，2015，65(2):87-108.

[2]KanwalF,BefelerA,ChariRS,etal.Potentiallycurativetreatmentinpatientswithhepatocellularcancer--resultsfromthelivercancerresearchnetwork[J].AlimentPharmacolTher,2012,36(3):257-265.