[发明专利]一种鼻咽癌诱导化疗疗效预测方法及系统

说明书

本发明属于医学影像分析预测领域，提供了一种鼻咽癌诱导化疗疗效预测方法及系统。其中，该方法包括获取诱导化疗前的多模态磁共振图像；对多模态磁共振图像进行感兴趣区域勾画，提取感兴趣区域的图像特征，得到感兴趣区域的影像组学特征；利用多步逐级特征选择的方式，获得满足设定条件的影像组学特征作为最佳影像组学特征；其中，多步逐级特征选择的方式至少为三步逐级特征选择；利用训练完成的支持向量机分类器对最佳影像组学特征进行预测，获得预测的鼻咽癌诱导化疗疗效结果。

技术领域

本发明属于医学影像分析预测领域，尤其涉及一种鼻咽癌诱导化疗疗效预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

鼻咽癌(NPC)是一种发生于鼻咽粘膜的恶性肿瘤，肿瘤细胞对放化疗较敏感。晚期需采用放疗联合化疗的综合治疗策略，诱导化疗可通过缩小肿瘤体积，降低靶区周围的正常组织照射剂量避免严重的辐射损伤，但是接受诱导化疗的患者要承受较高的毒副反应，统计发现患者对诱导化疗的治疗反应存在异质性。短期疗效评估即肿瘤退缩情况与诱导化疗疗效直接相关，准确地预测化疗后的效果对鼻咽癌患者是否选择诱导化疗的医疗方案至关重要，人为评估受主观因素影响较大且不稳定。因此，急需一种对肿瘤异质性的无创分析，迅速的，非侵入性的评估肿瘤信息，影像组学应运而生。

影像组学从医学影像中提取高通量特征来量化肿瘤等重大疾病，是一个新兴领域，其提供了一种评估肿瘤异质性的无创非侵入定量方法，在肿瘤表型分型、治疗方案选择和预后分析等方面表现出巨大优势，是临床医学和生物医学工程的研究热点。

发明人发现，现有研究中，影像组学的分析过程并没有形成规范化的处理模式，选择不同的特征提取方法、特征选择方法和不同的机器学习分类器获得的结果并不一致，从而导致了预测结果的准确性难以保障的问题。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种鼻咽癌诱导化疗疗效预测系统，其以机器学习为基础，旨在利用磁共振成像，从临床常规的影像检查资料中挖掘出图像特征作为新的治疗标志物，辅助医生进行临床决策，能够保障诱导化疗疗效预测的准确性，实现个性化精准医疗。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种鼻咽癌诱导化疗疗效预测方法，其包括：

获取诱导化疗前的多模态磁共振图像；

对多模态磁共振图像进行感兴趣区域勾画，提取感兴趣区域的图像特征，得到感兴趣区域的影像组学特征；

利用多步逐级特征选择的方式，获得满足设定条件的影像组学特征作为最佳影像组学特征；其中，多步逐级特征选择的方式至少为三步逐级特征选择；

利用训练完成的支持向量机分类器对最佳影像组学特征进行预测，获得预测的鼻咽癌诱导化疗疗效结果。

本发明的第二个方面提供一种鼻咽癌诱导化疗疗效预测系统，其包括：

多模态磁共振图像获取模块，其用于获取诱导化疗前的多模态磁共振图像；

影像组学特征获取模块，其用于对多模态磁共振图像进行感兴趣区域勾画，提取感兴趣区域的图像特征，得到感兴趣区域的影像组学特征；

最佳影像组学特征筛选模块，其用于利用多步逐级特征选择的方式，获得满足设定条件的影像组学特征作为最佳影像组学特征；其中，多步逐级特征选择的方式至少为三步逐级特征选择；

化疗疗效预测模块，其用于利用训练完成的支持向量机分类器对最佳影像组学特征进行预测，获得预测的鼻咽癌诱导化疗疗效结果。

本发明的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的鼻咽癌诱导化疗疗效预测方法中的步骤。