[发明专利]一种食管胃结合部肿瘤图像分类方法、系统、设备及存储介质

权利要求书

1.一种食管胃结合部肿瘤图像分类方法，其特征在于，包括以下步骤：

S1、对受试者食管胃结合部的肿瘤医学图像进行处理，获取肿瘤医学图像病灶的三维ROI区域图像；

S2、提取所述三维ROI区域图像中的影像组学特征；

S3、将步骤S2提取的影像组学特征的值输入评分预测模型，计算得到所述三维ROI区域图像的图像评分；

S4、对步骤S3获得的图像评分进行定性分析，预测肿瘤医学图像的图像类型。

2.根据权利要求1所述的食管胃结合部肿瘤图像分类方法，其特征在于，所述三维ROI区域图像为动脉期三维ROI区域图像和/或静脉期三维ROI区域图像。

3.根据权利要求2所述的食管胃结合部肿瘤图像分类方法，其特征在于，所述三维ROI区域图像为动脉期三维ROI区域图像时，步骤S2中所述影像组学特征为：

log.sigma.1.0.mm.3D_ngtdm_Busyness、

log.sigma.3.0.mm.3D_gldm_DependenceVariance、

log.sigma.3.0.mm.3D_ngtdm_Busyness、

original_firstorder_Median、

wavelet.HLH_glrlm_LongRunHighGrayLevelEmphasis、

wavelet.HLH_ngtdm_Busyness、

wavelet.HLL_gldm_DependenceVariance、

wavelet.LHH_firstorder_Skewness、

wavelet.LLH_glszm_LargeAreaEmphasis、

wavelet.LLL_firstorder_InterquartileRange；

所述三维ROI区域图像为静脉期三维ROI区域图像时，步骤S2中所述影像组学特征为：

log.sigma.1.0.mm.3D_firstorder_90Percentile、

original_firstorder_Median、

wavelet.HLH_glcm_ClusterProminence、

wavelet.HLL_gldm_DependenceVariance、

wavelet.LHH_ngtdm_Busyness、

wavelet.LLH_firstorder_Kurtosis、

wavelet.LLH_gldm_DependenceVariance；

所述三维ROI区域图像为动脉期三维ROI区域图像和静脉期三维ROI区域图像时，步骤S2中分别提取动脉期三维ROI区域图像、静脉期三维ROI区域图像的影像组学特征，

其中，动脉期三维ROI区域图像提取的影像组学特征为：

log.sigma.1.0.mm.3D_ngtdm_Busyness、

log.sigma.3.0.mm.3D_gldm_DependenceVariance、

log.sigma.3.0.mm.3D_ngtdm_Busyness、

original_firstorder_Median、

wavelet.HLH_glrlm_LongRunHighGrayLevelEmphasis、

wavelet.HLH_ngtdm_Busyness、

wavelet.HLL_gldm_DependenceVariance、

wavelet.LHH_firstorder_Skewness、

wavelet.LLH_glszm_LargeAreaEmphasis、

wavelet.LLL_firstorder_InterquartileRange；

静脉期三维ROI区域图像提取的影像组学特征为：

log.sigma.1.0.mm.3D_firstorder_90Percentile、

original_firstorder_Median、

wavelet.HLH_glcm_ClusterProminence、

wavelet.HLL_gldm_DependenceVariance、

wavelet.LHH_ngtdm_Busyness、

wavelet.LLH_firstorder_Kurtosis、

wavelet.LLH_gldm_DependenceVariance。