[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

说明书

本发明提供一种基于LASSO回归的乳腺癌腋窝淋巴结转移状态的判别方法。该方法包括：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。本发明能够进一步挖掘图像中对识别有意义的数据，提升基于X射线图像的自动识别水平。

技术领域

本发明涉及图像处理技术领域，尤其涉及基于LASSO回归的乳腺癌腋窝淋巴结转移状态的判别方法。

背景技术

乳腺癌是一种常见的危害女性身心健康的恶性疾病，统计表明乳腺癌发病率及死亡率较高，且呈快速上升趋势。降低乳腺癌死亡率，一方面依赖于肿瘤的早期发现与及时治疗，另一方面对于已进展为中晚期的乳腺癌，尽可能在治疗前明确乳腺癌的分子分型、基因表型、有无淋巴转移等肿瘤异质性信息，根据乳腺癌的异质性不同选择合理的治疗方案，即个性化治疗或精准治疗。

目前医学影像学已经成为肿瘤检查、治疗方案选择及疗效检测等最重要的手段之一，依据X射线成像、超声成像、计算机断层成像(Computer Tomography，CT)、核磁共振成像(Magnetic Resonance Imaging，MRI)、正电子发射断层成像(Positron EmissionTomography，PET)等医学影像学检查方法，可以非侵入地“窥探”人体内部病灶，检查肿瘤并监测其病情变化，但对早期肿瘤的检查仍存在一定局限性，且对肿瘤异质性评估价值十分有限，很难从患者乳腺癌病灶影像中直接得到病理分级、有无淋巴结转移等异质性信息。

2015年，Guo等在MRI图像上提出了基于影像组学特征的判断浸润性乳腺癌的病理分级方法；2016年，Wan等在MRI图像上提出了基于大小、形状、基因特征的乳腺癌复发风险的评估方法；2017年，谷歌公司利用卷积神经网络CNN(convolutional neural network)架构的人工智能技术，对130张病理切片图像进行乳腺癌淋巴结转移病灶检测。钼靶X射线图像作为乳腺癌检查的一种最常用手段，目前还没有基于乳腺癌病灶的X射线图像，利用LASSO算法对乳腺癌的腋窝淋巴结转移状态进行判别的方法。

发明内容

本发明提供一种基于LASSO回归的乳腺癌腋窝淋巴结转移状态的判别方法，通过采用LASSO回归算法，构建乳腺癌腋窝淋巴结转移识别模型，得到乳腺癌腋窝淋巴结转移状态的判别结果，从而能够对初期乳腺癌的发现提供有效信息。

本发明提供一种基于LASSO回归的乳腺癌腋窝淋巴结转移状态的判别方法，该方法包括：

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。

进一步地，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；