[发明专利]一种基于影像组学图像特征的肝癌复发预测方法

权利要求书

1.一种基于影像组学图像特征的肝癌复发预测方法，其特征在于，所述基于影像组学图像特征的肝癌复发预测方法具体包括：

获取待预测样本病理数据，所述样本病理数据包括PET/CT影像组学图像；

基于所述样本病理数据提取样本病理数据中二维病理特征点，根据所述二维病理特征点构建肝癌复发预测模型，所述肝癌复发预测模型包括至少两组子模型顺序级联组成的预测子模型链；

以样本病理数据为输入，执行所述肝癌复发预测模型，对待预测样本进行复发预测，得到预测样本对应的复发置信度；

提取复发置信度，将复发置信度与复发风险阈值比对，输出大于复发风险阈值的复发置信度，基于复发置信度，获取肝癌复发预测概率。

2.根据权利要求1所述的基于影像组学图像特征的肝癌复发预测方法，其特征在于，所述获取待预测样本病理数据的步骤，具体包括：

获取待预测样本病理信息；

使用无监督学习方法对样本病理信息进行特征提取，所述样本病理信息进行特征提取规则基于样本病理信息出现的频率，获取频率高的样本病理信息；

对出现频率高的样本病理信息进行降噪处理，得到降噪后的目标病理信息；

基于降噪后的目标病理信息进行转码处理，得到转码后的待预测样本病理数据。

3.根据权利要求2所述的基于影像组学图像特征的肝癌复发预测方法，其特征在于，所述肝癌复发预测模型构建基于Holtwinters指数平滑法模型学习用户行为规律，提取样本病理数据中二维病理特征点基于开源Python库PyRadiomics进行图像特征提取。

4.根据权利要求2所述的基于影像组学图像特征的肝癌复发预测方法，其特征在于，所述二维病理特征点提取方法，步骤如下：

基于CUFS框架提取样本病理数据中特征耦合；

使用CUFS框架创建至少两个层级的标准耦合区间；

对比样本病理数据中特征耦合以及标准耦合区间，得到标准耦合区间内对应的二维病理图像边缘权重值；

以二维病理图像边缘权重值为输入，执行至少两个层级的标准耦合区间的耦合分析中，得到二维病理特征点。

5.根据权利要求4所述的基于影像组学图像特征的肝癌复发预测方法，其特征在于，所述肝癌复发预测模型的建立方法，具体包括：

采集标准样本，测量标准样本的体积、长度、宽度、高度和弯曲度，对标准样本特征点进行标注，建立标准样本特征点的网格系统；

基于H3算法规则，将标准样本分割面积大小相同的多边形网格网络，生成多边形网格集合；

基于多边形网格集合提取含有标准样本特征点的多边形网格，得到特征点网格集合；

根据深度优先原则，提取特征点网格集合的行为预测参数；

基于行为预测参数建立肝癌复发预测模型。

6.根据权利要求1所述的基于影像组学图像特征的肝癌复发预测方法，其特征在于，提取复发置信度，将复发置信度与复发风险阈值比对，输出大于复发风险阈值的复发置信度的实现步骤，具体包括：

分别执行至少两组子模型；

得到每组子模型对应的复发子置信度，生成复发子置信度集；

遍历复发子置信度集，建立复发子置信度集关联系数；

比对复发子置信度集关联系数与关联系数阈值，将复发子置信度集关联系数不低于关联系数阈值输出，得到复发置信度。

7.根据权利要求5所述的基于影像组学图像特征的肝癌复发预测方法，其特征在于，使用NVIDIA AI-Assisted Annotation和基于边界的CT分割模型来分割标准样本。

8.根据权利要求1所述的基于影像组学图像特征的肝癌复发预测方法，其特征在于，还包括：

基于样本二维病理特征点建立样本三维模拟模型；

基于三维模拟模型得到样本三维病理病理特征点；

以病理特征点为输入，执行所述肝癌复发预测模型；

得到预测样本对应的复发置信度。