[发明专利]基于LASSO回归的乳腺癌腋窝淋巴结转移状态的判别方法

权利要求书

1.基于LASSO回归的乳腺癌腋窝淋巴结转移状态的判别方法，其特征在于，包括：

步骤1、对采集到的病人的乳腺癌X射线图像进行分割，确定肿瘤所在处的多个病灶部位图像；

步骤2、将所述多个病灶部位图像分为训练集和测试集，并对所有的病灶部位图像提取高维特征，构建乳腺病灶图像特征数据库；

步骤3、根据训练集里的乳腺病灶图像特征数据和病人的病理信息，采用LASSO回归算法，构建乳腺癌腋窝淋巴结转移识别模型；

步骤4、根据所述乳腺癌腋窝淋巴结转移识别模型，对测试集里的病灶部位图像进行识别，确定病人的乳腺癌腋窝淋巴结转移状态。

2.根据权利要求1所述的方法，其特征在于，所述高维特征包括：图像灰度特征、图像纹理特征和小波特征，所述图像灰度特征包括第一图像灰度特征和第二灰度特征，所述图像纹理特征包括第一图像纹理特征和第二图像纹理特征；

相应地，所述对所有的病灶部位图像提取高维特征具体包括：

对所有的病灶部位图像分别计算第一图像灰度特征和第一图像纹理特征；

对所有的病灶部位图像进行小波变换，确定每个病灶部位图像的近似分量子图像、水平细节分量子图像、垂直细节分量子图像和对角线细节分量子图像；

对每个病灶部位图像的四个子图像分别计算第二图像灰度特征和第二图像纹理特征。

3.根据权利要求2所述的方法，其特征在于，所述图像灰度特征包括：能量特征、熵特征、均值特征、峰值特征、均方根特征、偏度特征、标准偏差特征、方差特征、均匀度特征、灰度最大值、灰度最小值、灰度中值和灰度范围中的至少一种。

4.根据权利要求3所述的方法，其特征在于，所述图像纹理特征包括：图像基于灰度协方差矩阵的自相关系数、聚类突特征、聚类萌特征、聚类趋势特征、相关系数、对比度、相似度、能量特征、熵特征、同质性特征、方差特征和方差和中的至少一种，和图像基于灰度游程矩阵的短游程因子、长游程因子、灰度不均匀度、游程不均匀度、游程百分比、低阶灰度游程因子、高阶灰度游程因子、短游程低阶灰度因子、短游程高阶灰度因子、长游程低阶灰度因子和长游程高阶灰度因子中的至少一种。

5.根据权利要求4所述的方法，其特征在于，所述步骤3具体包括：

以训练集里的病灶图像特征数据(x_i1,x_i2,…,x_ip)作为输入，以病人的病理信息y_i作为输出，根据下式

对模型参数α和β进行估计，其中，t≥0为惩罚参数，i为病人编号，n为病人总个数，j为图像病灶图像特征数据编号，p为病灶图像特征数据总个数。