[发明专利]肝细胞癌的微血管侵犯预测模型构建方法与概率预测方法

说明书

本发明实施例提供了一种肝细胞癌的微血管侵犯预测模型构建方法与概率预测方法。方法包括：根据多个类型的医学图像上勾画的肿瘤感兴趣区域，得到每个类型的医学图像的最大判别因子；从多个类型的医学图像的最大判别因子、影像特征以及临床特征中选取对微血管侵犯有统计学意义的多个预测变量；基于多个预测变量，构建肝细胞癌微血管侵犯预测模型。本发明中，能够使用该肝细胞癌微血管侵犯预测模型在术前预测肝细胞癌患者的微血管侵犯概率，供医生参考肝细胞癌患者的微血管侵犯概率来优化治疗计划，调整治疗计划中肝切除范围的大小，以减少肝细胞癌患者术后复发的概率。

技术领域

本发明涉及图像处理技术领域，具体涉及一种肝细胞癌的微血管侵犯预测模型构建方法与概率预测方法。

背景技术

肝细胞癌(Hepatocellular carcinoma，简称HCC)是一种高死亡率的原发性肝癌，肝切除和移植是肝细胞癌的重要治疗方法。然而，约百分之50的患者会在肝切除后的两年内复发，复发的潜在因素之一是微血管侵犯(microvascular invasion，简称MVI)。目前，仅能通过术后的组织学检查来诊断患者的微血管侵犯情况。

然而，由于肝细胞癌HCC的高度异质性，还没有发现稳定的微血管侵犯的血清学或基因组预测因子。因此，若能够在术前对微血管侵犯情况进行预测并且扩大肝切除范围，对肝细胞癌的优化治疗具有重大的意义。

发明内容

本发明的目的在于提供一种肝细胞癌的微血管侵犯预测模型构建方法与概率预测方法，构建了构建肝细胞癌微血管侵犯预测模型，能够使用该肝细胞癌微血管侵犯预测模型在术前预测肝细胞癌患者的微血管侵犯概率，供医生参考肝细胞癌患者的微血管侵犯概率来优化治疗计划，调整治疗计划中肝切除范围的大小，以减少肝细胞癌患者术后复发的概率。

为实现上述目的，本发明提供了一种肝细胞癌的微血管侵犯预测模型构建方法，包括：根据多个类型的医学图像上勾画的肿瘤感兴趣区域，得到每个类型的医学图像的最大判别因子；从多个类型的医学图像的最大判别因子、影像特征以及临床特征中选取对微血管侵犯有统计学意义的多个预测变量；基于多个预测变量，构建肝细胞癌微血管侵犯预测模型。

本发明还提供了一种肝细胞癌的微血管侵犯概率预测方法，包括：获取肝细胞癌患者的多个类型的医学图像的肿瘤感兴趣区域；从多个类型的医学图像的肿瘤感兴趣区域中获取与微血管侵犯有统计学意义的多个预测变量的值；将多个预测变量的值输入到基于上述构建方法所构建的肝细胞癌微血管侵犯预测模型，得到肝细胞癌患者的微血管侵犯的发生概率。

本发明相对于现有技术而言，根据多个类型的医学图像上勾画的肿瘤感兴趣区域，得到每个类型的医学图像的最大判别因子，然后从多个类型的医学图像的最大判别因子、影像特征以及临床特征中选取对微血管侵犯有统计学意义的多个预测变量，再基于筛选出的多个预测变量，构建肝细胞癌微血管侵犯预测模型，从而能够使用该肝细胞癌微血管侵犯预测模型在术前预测肝细胞癌患者的微血管侵犯概率，供医生参考肝细胞癌患者的微血管侵犯概率来优化治疗计划，调整治疗计划中肝切除范围的大小，以减少肝细胞癌患者术后复发的概率。

在一实施例中，从多个类型的医学图像的最大判别因子、影像特征以及临床特征中选取对微血管侵犯有统计学意义的多个预测变量，包括：以各类型的医学图像的最大判别因子、影像特征或临床特征作为变量进行单因素logistic回归分析，得到对微血管侵犯有统计学意义的预测变量。本实施例提供了从多个类型的医学图像的最大判别因子、影像特征以及临床特征中选取对微血管侵犯有统计学意义的多个预测变量的一种具体实现方式。

在一实施例中，基于多个预测变量，构建肝细胞癌微血管侵犯预测模型，包括：对多个预测变量进行多因素logistic回归分析，得到肝细胞癌微血管侵犯预测模型。本实施例中，利用多因素logistic回归分析来构建微血管侵犯预测模型，能够剔除了多个预测变量中存在关联性的预测变量，能够得到预测效果均较好的肝细胞癌微血管侵犯预测模型。