[发明专利]一种基于双区域影像组学的食管鳞癌生存预测方法和系统

说明书

本发明公开了一种基于双区域影像组学的食管鳞癌生存预测方法和系统。该方法包括：利用已知病例的数据集，分别提取肿瘤区域和淋巴结区域的影像组学特征，该数据集包含患者的CT影像数据、生存期信息和临床风险信息；对所提取的影像组学特征进行可预测性筛选；将筛选后的特征输入最小绝对收缩和选择算子LASSO回归模型，获得非零系数的特征，并利用非零系数特征的线性组合构建用于生存预测的双区域影像组学预后模型，其中所述双区域影像组学预后模型的输入是融合肿瘤区域和淋巴结区域建立的双区域影像组学特征。利用本发明能提高食管鳞癌的生存预测准确性。

技术领域

本发明涉及医学图像处理技术领域，更具体地，涉及一种基于双区域影像组学的食管鳞癌生存预测方法和系统。

背景技术

鳞癌是食管癌最主要的病理类型，目前食管癌人群生存率的研究存在诸多局限，需要以人群为基础的多中心大样本来提供食管鳞癌生存率等预后指标的信息。

在现有技术中，癌症预后都是针对年龄性别等临床风险因素，运用临床PTNM分期，或者将CT图像的影响组学用于癌症预后研究。有团队对晚期结肠癌进行分期的研究中通过整合来自原发肿瘤的影像组学特征和淋巴结的影像组学特征，组成双区域影像组学特征，可以实现较高准确率的预测。但现有仅用临床因素的PTNM食管鳞状细胞癌预后模型，预后准确率较差，且临床实际运用中发现存在较大地区差异性，从而导致误诊。

发明内容

本发明的目的是克服上述现有技术的缺陷，提供一种基于双区域影像组学的食管鳞癌生存预测方法和系统。

根据本发明的第一方面，提高一种基于双区域影像组学的食管鳞癌生存预测方法。该方法包括：

步骤S1，利用已知病例的数据集，分别提取肿瘤区域和淋巴结区域的影像组学特征，该数据集包含患者的CT影像数据、生存期信息和临床风险信息；

步骤S2，对所提取的影像组学特征进行可预测性筛选；

步骤S3，将筛选后的特征输入最小绝对收缩和选择算子LASSO回归模型，获得非零系数的特征，并利用非零系数特征的线性组合构建用于生存预测的双区域影像组学预后模型，其中所述双区域影像组学预后模型的输入是融合肿瘤区域和淋巴结区域建立的双区域影像组学特征。

根据本发明的第二方面，提供一种基于双区域影像组学的食管鳞癌生存预测系统。该系统包括：

特征提取单元：用于利用已知病例的数据集，分别提取肿瘤区域和淋巴结区域的影像组学特征，该数据集包含患者的CT影像数据、生存期信息和临床风险信息；

特征筛选单元：用于对所提取的影像组学特征进行可预测性筛选；

生存预测单元：用于将筛选后的特征输入最小绝对收缩和选择算子LASSO回归模型，获得非零系数的特征，并利用非零系数特征的线性组合构建用于生存预测的双区域影像组学预后模型，其中所述双区域影像组学预后模型的输入是融合肿瘤区域和淋巴结区域建立的双区域影像组学特征。

与现有技术相比，本发明的优点在于，挖掘增强CT图像的临床辅助价值，从中提取影像组学特征辅助食管鳞状细胞癌预后；考虑到食管部位淋巴结密集而跳跃，易出现癌症转移侵犯现象，整合来自原发肿瘤的影像组学特征和近邻淋巴结的影像组学特征，组成双区域影像组学特征，对食管鳞状细胞癌进行总生存期OS(Overall Survival，或全生存期)预后分析，提高了预测准确度。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是根据本发明一个实施例的训练数据集的肿瘤+淋巴结影像组学标签进行Kaplan-Meier分析的示意图；