[发明专利]一种基于CT影像组学的肺癌预后辅助评估方法及系统

说明书

本发明公开的一种基于CT影像组学的肺癌预后辅助评估方法及系统，包括：采集使用放射治疗的肺癌患者的原始医学影像和临床信息并进行筛选；通过高分辨的计算机断层扫描勾勒出原始医学影像的病灶区域，并从病灶区域中提取影像组学特征，得到初步影像组学特征；对初步影像组学特征进行分析筛选，得到目标影像组学特征；对训练集中的目标影像组学特征运用机器学习的算法训练预测模型，构建影像组学评估模型，并在验证集中验证模型；本发明能够对患者的放疗效果进行定性和定量分析，从而辅助医生制定个性化的治疗方案，并辅助医生对病人的存活和复发时间进行评估，同时，对得到的影像组学评估模型的性能进行了验证，保证了影像组学评估模型的准确性。

技术领域

本发明属于肺癌预后辅助评估的技术领域，具体涉及一种基于CT影像组学的肺癌预后辅助评估方法及系统。

背景技术

肺癌在全球癌症发病率位居首位，是癌症导致死亡的主要原因。大多数患者在确诊时已处于中晚期，约60％的患者无法手术，放射治疗是恶性肿瘤最重要的治疗手段之一，70％的恶性肿瘤患者需要在不同的治疗阶段接受放疗，但是经过放射治疗后的整体有效率远不能令人满意。

计算机断层扫描CT作为一种无创的肿瘤早期诊断方法，已广泛应用于多种临床疾病检查和辅助诊断。值得注意的是,影像组学得益于图像分析算法和影像组学技术的进步，通过应用生物信息学方法从医学图像中提取大量影像学特征，以此预测潜在的肿瘤生物学行为，从而对多种疾病尤其是恶性肿瘤提供了诊断、治疗及预后价值,进而为临床决策提供支持。

同样的肺癌患者，在CT影像病灶表现却具有差异性，病灶其内在异质性的差异，可能揭示患者放疗疗效的潜在信息，针对相关技术中肺癌患者对放射治疗敏感性的问题，目前尚未提出有效的解决方案，所以建立基于CT影像组学的肺癌放射治疗疗效的辅助评估系统和方法具有极高的实用意义。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为：提供一种基于CT影像组学的肺癌预后辅助评估方法及系统，能够实现对放射治疗敏感性预先评估，实现个体化及精准化医疗。

为了解决上述技术问题，本发明采用的技术方案为：一种基于CT影像组学的肺癌预后辅助评估方法，包括：S101、采集使用放射治疗的肺癌患者的原始医学影像和临床信息并进行筛选；S102、把肺癌患者按比例随机分为训练集和验证集，所述训练集用于训练预测模型，所述测试集用于验证预测模型的性能；S103、通过高分辨的计算机断层扫描勾勒出原始医学影像的病灶区域,并从病灶区域中提取影像组学特征，得到初步影像组学特征；S104、对初步影像组学特征进行分析筛选，得到目标影像组学特征S105、对训练集中的目标影像组学特征运用机器学习的算法训练预测模型，构建影像组学评估模型，并在验证集中验证模型；S106、确立采用放疗有效的影像组学特征标签，并在验证集中进行验证；S107、在预测模型的基础上计算每个患者的影像组学特征评分；S108、将患者的影像组学特征评分转化为患者放射治疗敏感性的概率。

优选地，所述根据高分辨的计算机断层扫描勾勒的病灶区域提取病灶轮廓,并从病灶轮廓中提取影像组学特征，得到初步影像组学特征，所述影像组学特征包括一阶特征18个，形状特征14个，灰度共生矩阵特征24个，灰度相关矩阵特征14个，灰度游程矩阵特征16个，灰度区域大小矩阵特征16个，相邻灰度差分矩阵特征5个，共计107个特征。

优选地，所述对初步影像组学特征进行分析筛选，得到目标影像组学特征，具体包括：S31、设定方差特征值，排除小于设定的方差阈值的特征；S32、使用单变量特征选择方法中的ANOVA(方差分析)算法，得到数据集中成像表型和治疗反应之间的关系，评估特征在治疗反应不同组间的差异，剔除训练组和验证组中显著性差异程度值@P值超过0.05的特征；S33、采用适合高维数据回归运算的最小绝对值收敛和选择算子回归模型(LASSO)方法，从原始数据集中选取有效的预测特征，采用10倍交叉验证法计算最小均方误差，根据最小均方误差得到了选择算子回归模型的最佳惩罚参数；S34、筛选出系数不为零的特征集。