[发明专利]一种基于影像组学的前列腺癌预测系统及构建方法

说明书

本发明涉及前列腺癌技术领域，具体涉及一种基于影像组学的前列腺癌预测系统及构建方法；本发明系统包括采集模块，用于采集前列腺患者的影像序列，标注模块，用于对前列腺区域进行ROI标注，特征提取模块，用于进行特征提取，特征筛选模块，用于选出前列腺影像序列的重要特征，预测模型构建模块，用于通过重要特征，基于随机森林、XGBoost，朴素贝叶斯、k最近邻、支持向量机、逻辑回归、决策树和adaboost分别构建模型，评价模块，用于计算模型的评价指标，采用评价指标最优的模型作为最后的前列腺癌预测模型，预测模块，用于预测待测者的前列腺癌风险；通过本发明实现对前列腺癌的评估，解决需要活检造成患者痛苦的问题。

技术领域

本发明涉及前列腺癌技术领域，具体涉及一种基于影像组学的前列腺癌预测系统及构建方法。

背景技术

前列腺癌是男性泌尿生殖系统最常见的恶性肿瘤之一，其与前列腺增生之间的快速鉴别是临床面临的难题之一，需要可靠方法进行分类预测。

目前临床医生对前列腺特异性抗原水平（psa）在4到10的患者通过前列腺影像判断是否为前列腺癌或者前列腺增生有很大的挑战，常常需要去做活检来确定。而活检常常会增加检测时间或是给患者带来痛苦。

发明内容

针对上述现有技术的不足，本发明旨在提供一种基于影像组学的前列腺癌预测系统及构建方法，以解决前列腺特异性抗原水平（psa）在4到10不易辨别是前列腺癌还是前列腺增生，而常常需要进行活检的问题。

为了解决上述问题，本发明采用了如下的技术方案：

一种基于影像组学的前列腺癌预测系统，包括：采集模块、标注模块、特征提取模块、特征筛选模块、预测模型构建模块、评价模块和预测模块；

所述采集模块，用于采集前列腺患者的前列腺影像序列；

所述标注模块，用于对前列腺影像序列的前列腺区域进行ROI标注；

所述特征提取模块，用于对ROI标注后的前列腺影像序列进行特征提取；

所述特征筛选模块，用于对提取的特征进行zero-mean标准化，再通过非负特征的卡方统计方式筛选出前列腺影像序列的重要特征；

所述预测模型构建模块，用于通过前列腺影像序列的重要特征的数据，基于随机森林、XGBoost，朴素贝叶斯、k最近邻、支持向量机、逻辑回归、决策树和adaboost分别构建前列腺癌预测模型；

所述评价模块，用于计算分别构建的前列腺癌预测模型的评价指标，采用评价指标最优的模型作为最后的前列腺癌预测模型；

其中，评价指标为acc、pre、recall、F1、AUROC和/或AUPRC；

所述预测模块，用于基于所述最后的前列腺癌预测模型对待测者前列腺影像序列的重要特征进行评估，预测待测者的前列腺癌风险。

其中，列腺患者的前列腺影像序列包括T2、ADC、DCE和DWI。

作为一种可实施方式，所述前列腺影像序列的重要特征包括最短短轴、冠状面最大2D两点距、矢状面最大2d两点距、最大3D两点距、最长短轴、体表面积、体表面积与体积比、3mm长度非均匀性、5mm长度非均匀性和/或灰度级非均匀性。

作为一种可实施方式，所述标注模块中，采用3DUNET分割模型对前列腺影像序列的前列腺区域进行ROI标注；所述3DUNET分割模型包括：

输入层，输入前列腺3D图像；

编码层，每层包含两个3×3×3卷积，卷积后使用BN+ReLU激活函数，通过卷积得到特征图，然后再利用2×2×2最大池化，卷积核移动步长为2的最大池化层进行下采样；

解码层，每层具有一个2×2×2的上卷积操作，卷积核移动步长为2，对特征图进行上采样，得到与原图一样长宽的特征热图，在每次上采样后使用2个3x3x3的卷积进行卷积操作，使用BN+ReLU激活函数，解码每层的特征热图；