[发明专利]中枢神经系统肿瘤影像数据的分析方法

说明书

本发明涉及一种中枢神经系统肿瘤影像数据的分析方法，包括：S1、获取所述中枢神经系统肿瘤影像数据；S2、采用LASSO算法自动提取出所述影像数据中的特征，并对所述特征进行线性组合得到第一分类概率，将所述第一分类概率作为第一分类维度；S3、根据所述特征基于随机森林算法生成若干棵决策树，再根据所述决策树得到第二分类概率，将所述第二分类概率作为第二分类维度；S4、将所述第一分类维度与所述第二分类维度作为第一二维特征，基于二维SVM算法得到第三分类概率，将所述第三分类概率作为第一分类结果，结合该分析方法提高了中枢神经系统肿瘤影分类的准确性。

技术领域

本发明涉及医学影像领域，特别是涉及一种中枢神经系统肿瘤影像数据的分析方法。

背景技术

中枢神经系统肿瘤是一种临床上常见的肿瘤，但由于部位的特殊性、肿瘤的高侵袭性、高复发率以及对传统放化疗的高耐药性，尽管手术、放疗和化疗技术不断进步，国内外有关的临床治疗效果在近30年里进展相当缓慢。随着信息技术的进步，医疗影像数据正呈现爆炸性增长的趋势。如何系统、全面地利用这些数据，不断创新生命科学理论与技术，研究其发生、发展及治疗抗性的机理，并进一步探索新的有效治疗方法。已成为医疗行业面临的新课题。

中枢神经系统肿瘤的诊断具有相当的难度，因为该类肿瘤种类繁多，而在影像学上往往又具有很高的相似性，使得医生在判断肿瘤的类型或者恶性级别的时候具有相当的难度。如果不能准确判断肿瘤的这些特性，就无法确定最好的治疗方案。

传统的中枢神经系统肿瘤诊断方法主要有两类：1、放射科医生通过查看核磁共振图像，并根据个人经验对肿瘤进行类别和恶性程度的判断。2、通过穿刺手术提取少量的肿瘤组织，然后使用各种病理分析方法，基因检测等手段做出诊断。

传统的诊断方法存在以下几个问题：1、放射科医生通过查看医学影像做出判断的方法存在着很大的不确定性。因为医生每天要阅读大量的图像，其判断结果很容易受外在和内在因素干扰，无法一直保持高准确率的判断。另外，很多肿瘤在影像学中又具有很高的相似性，这又会在很大程度上造成较高的误判率；2、通过穿刺手术提取少量肿瘤组织进行病理检查的方法可以得到高准确率的诊断，但穿刺手术无法避免地会对病人的脑组织造成一定程度的创伤，会增加病人的痛苦，而且相比影像学检查，穿刺检查所需的时间长，无法大规模推广。

发明内容

基于此，有必要针对单纯从医学影像判断中枢神经系统肿瘤不准确的技术问题，提供一种中枢神经系统肿瘤影像数据的分析方法。

一种中枢神经系统肿瘤影像数据的分析方法，包括：

S1、获取所述中枢神经系统肿瘤影像数据；

S2、采用LASSO算法(即套索算法)自动筛选出所述影像数据中的特征，并对所述特征进行线性组合得到第一分类概率，将所述第一分类概率作为第一分类维度；

S3、根据所述特征基于随机森林算法(即Random Forest算法)生成若干棵决策树，再根据所述决策树得到第二分类概率，将所述第二分类概率作为第二分类维度；

S4、将所述第一分类维度与所述第二分类维度作为第一二维特征，基于二维SVM算法(即支持向量机算法)得到第三分类概率，将所述第三分类概率作为第一分类结果。

进一步地，所述影像数据包括传统的医学影像数据和/或计算机图像处理数据。

更进一步地，所述计算机图像处理数据包括纹理特征。

优选地，采用所述医学影像数据获得最终的第四分类概率，采用所述计算机图像处理数据获得最终的第五分类概率，将所述第四类分类概率与所述第五类分类概率分别作为第三分类维度与第四分类维度；将所述第三分类维度与所述第四分类维度作为第二二维特征，基于所述二维SVM算法得到第六分类概率，将所述第六分类概率作为第二分类结果。