[发明专利]一种基于CT图像影像组学特征的进展期胃癌边缘状态识别系统

说明书

本发明属于图像识别技术领域，公开一种基于CT图像影像组学特征的进展期胃癌边缘状态识别系统，包括：特征提取网络、区域生成网络和目标检测网络；所述特征提取网络用于对输入的已绘制ROI的CT图像进行抽象，提取影像组学特征；所述区域生成网络利用Pearson相关分析算法选择影像组学特征，建立Pearson相关矩阵，计算成对影像组学特征相关系数，选择具有最大绝对相关系数平均值的影像组学特征，采用SFFS算法筛选最优影像组学特征；所述目标检测网络用于预测切缘阳性概率。本发明的系统能够识别肉眼无法辨识的微观医学影像信息，可以精确鉴别胃癌的浸润深度，可以在术前对切缘状态进行预判。

技术领域

本发明涉及图像识别技术领域，特别涉及一种基于CT图像影像组学特征的进展期胃癌边缘状态识别系统，还涉及一种电子设备，还涉及一种计算机可读存储介质。

背景技术

目前，胃癌是全球第五大常见的恶性肿瘤和第三大癌症死亡原因。日本第四版胃癌治疗指南指出，根治性手术切除是目前唯一有望治愈进展期胃癌的方法。术前精确预测胃癌手术切缘状态，对于避免不必要的姑息性手术以及合理选择术前新辅助放化疗具有重要的指导意义。上腹部增强CT是术前评估胃癌最常用的诊断工具，目前，对于进展期胃癌边缘状态的判断主要通过医生进行识别，对医生的经验以及水平有较高要求，而且，肉眼条件下在CT图像中无法准确分辨胃癌浸润最远处。

近年来，图像识别技术获得了长足进步，如何利用图像识别技术在CT图像中对进展期胃癌边缘状态进行识别，是目前亟待解决的问题。

发明内容

本发明实施例提供了一种基于CT图像影像组学特征的进展期胃癌边缘状态识别系统，以解决现有技术中通过人工识别进展期胃癌边缘状态的问题。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本发明实施例的第一方面，提供了一种基于CT图像影像组学特征的进展期胃癌边缘状态识别系统。

在一些可选实施例中，一种基于CT图像影像组学特征的进展期胃癌边缘状态识别系统，包括：特征提取网络、区域生成网络和目标检测网络；

所述特征提取网络用于对输入的已绘制ROI的CT图像进行抽象，提取影像组学特征；

所述区域生成网络利用Pearson相关分析算法选择影像组学特征，建立Pearson相关矩阵，计算成对影像组学特征相关系数，选择具有最大绝对相关系数平均值的影像组学特征，采用SFFS算法筛选最优影像组学特征；其中，影像组学特征包括：形态学特征、一阶统计特征、纹理特征；

所述目标检测网络采用MLR构建影像组学模型，用于预测切缘阳性概率。

可选地，所述特征提取网络将所有ROI数据重采样为体素间距为1×1×1mm³各向同性数据。

可选地，所述特征提取网络在原始图像上应用6个内置可选滤波器，生成相应的衍生图像，使用Pyradiomics在原始图像和衍生图像中提取CT图像的影像组学特征。

可选地，在所述SFFS算法中，以AUC值作为SFFS评分标准，以获得最优影像组学特征。

可选地，形态学特征包括：最大3D直径、伸长率、平面度、最小轴长、主轴长、最大2D直径列、最大2D直径行、最大2D直径切片、网格体积。

可选地，一阶统计特征包括：均值、能量、总能量、熵、最小强度值、第10个百分位强度值、第90个百分位强度值、最大强度值、平均强度值、中值强度值、四分位数范围、强度值范围、偏度、峰度、方差和均匀度。

可选地，纹理特征包括：灰度共生矩阵、灰度游程长度矩阵、灰度大小区域带矩阵、近邻灰度色调差矩阵、和灰度相关矩阵；