[发明专利]一种图像辅助宫颈癌患者预测方法、系统及设备

权利要求书

1.一种图像辅助宫颈癌患者预测方法，其特征在于，包括以下步骤：

获取目标宫颈癌患者的CT影像，并设置所述CT影像的感兴趣区域；

提取所述CT影像的感兴趣区域的放射组学特征；

根据所述放射组学特征与目标宫颈癌患者的基本参数计算得到最优特征组合；

根据所述最优特征组合计算得到目标宫颈癌患者在接受治疗后的一预后。

2.根据权利要求1所述的一种图像辅助宫颈癌患者预测方法，其特征在于，所述感兴趣区域包括靶区肿瘤体积、骨盆和骶椎。

3.根据权利要求1所述的一种图像辅助宫颈癌患者预测方法，其特征在于，所述放射组学特征包括形状特征、一阶特征以及纹理特征；所述形状特征包括肿瘤体积和表面积，所述一阶特征包括图像强度、强度直方图和梯度方向直方图的统计描述符，所述纹理特征包括基于邻域强度差矩阵、灰度共生矩阵和灰度游程矩阵计算的特征。

4.根据权利要求3所述的一种图像辅助宫颈癌患者预测方法，其特征在于，在提取所述纹理特征或提取所述一阶特征之前，还包括：将所述目标宫颈癌患者的CT影像重新缩放为100或256个灰度级。

5.根据权利要求1所述的一种图像辅助宫颈癌患者预测方法，其特征在于，在所述根据所述放射组学特征与目标宫颈癌患者的基本参数计算得到最优特征组合之前，还包括：

获取历史宫颈癌患者的CT影像，并将所述历史宫颈癌患者的CT影像按照3:1的比例分为训练集与验证集；

设置所述历史宫颈癌患者的CT影像的感兴趣区域，利用IBEX提取所述历史宫颈癌患者的CT影像的感兴趣区域的放射组学特征；

根据所述放射组学特征，利用Lilliefors检验方法选择相关系数大于0.80的放射组学特征，得到第一放射组学特征，并利用卡方检验计算肿瘤差异，其中，当卡方值小于0.05的放射组学特征的数量大于或等于20，选择卡方值小于0.05的放射组学特征作为第一放射组学特征；当卡方值小于0.05的放射组学特征的数量小于20，则选择卡方值小于0.1的放射组学特征作为第一放射组学特征；

根据所述训练集与所述验证集的第一放射组学特征与历史宫颈癌患者的基本参数，利用顺序后向消除支持向量机算法计算第一放射组学特征与历史宫颈癌患者的基本参数最佳的组合，得到最优特征组合。

6.根据权利要求5所述的一种图像辅助宫颈癌患者预测方法，其特征在于，所述根据所述训练集与所述验证集的第一放射组学特征与历史宫颈癌患者的基本参数，利用顺序后向消除支持向量机算法计算第一放射组学特征与历史宫颈癌患者的基本参数最佳的组合，得到最优特征组合，包括：

利用所述训练集与所述验证集的第一放射组学特征与历史宫颈癌患者基本参数来训练和测试具有线性核的SVM模型；

使用所述训练集中的数据进行10倍交叉验证，并从所述第一放射组学特征与历史宫颈癌患者病例基本参数中删除一个特征；

若预测精度保持不变，则永久删除特征，直至遍历所有训练集与验证集的第一放射组学特征与历史宫颈癌患者病例基本参数，得到所述最优特征组合。

7.根据权利要求1至6任一项所述的一种图像辅助宫颈癌患者预测方法，其特征在于，所述目标宫颈癌患者的基本参数包括宫颈癌患者年龄、肿瘤分期分级以及病理类型。

8.根据权利要求1所述的一种图像辅助宫颈癌患者预测方法，其特征在于，所述一预后包括使用GTV的影像学特征来预测放疗效果，使用骨盆和骶椎的影像学特征来预测宫颈癌患者血液毒性的基本情况。

9.一种图像辅助宫颈癌患者预测系统，其特征在于，包括：

数据获取模块，用于获取目标宫颈癌患者的CT影像，并设置所述CT影像的感兴趣区域；

特征提取模块，用于提取所述CT影像的感兴趣区域的放射组学特征；

特征组合模块，用于根据所述放射组学特征与目标宫颈癌患者的基本参数计算得到最优特征组合；

结果输出模块，用于根据所述最优特征组合计算得到目标宫颈癌患者在接受治疗后的一预后。

10.一种图像辅助宫颈癌患者预测设备，其特征在于，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至8任一项所述的一种图像辅助宫颈癌患者预测方法。