[发明专利]一种构建肺肿瘤良恶性预测模型的方法

权利要求书

1.一种构建肺肿瘤良恶性预测模型的方法，其特征在于，该方法包括如下步骤：

(1)选取肺肿瘤病人样本，对肺肿瘤病人的肺部区域进行电子计算机断层扫描(CT)，获得相应的CT图像；

(2)对步骤(1)获得的CT图像进行勾画，分割肺部病变区域，得到标记的病灶区域；

(3)从标记的病灶区域提取定量的影像特征；

(4)采用Lasso(least absolute shrinkage and selection operator)算法进行特征选择；

(5)将选择的特征数据作为输入，使用梯度下降算法对Logistic回归进行参数优化，最后使用Logistic训练得到肺肿瘤良恶性预测模型。

2.如权利要求1所述的一种构建肺肿瘤良恶性预测模型的方法，其特征在于，所述步骤(1)中的肺肿瘤病人包括良性肿瘤病人和恶性肿瘤病人。

3.如权利要求2所述的一种构建肺肿瘤良恶性预测模型的方法，其特征在于，所述良性肿瘤包括错构瘤、肺炎性假瘤和硬化性血管瘤；所述恶性肿瘤包括鳞癌和腺癌。

4.如权利要求1所述的一种构建肺肿瘤良恶性预测模型的方法，其特征在于，所述步骤(3)中的影像特征包括肿瘤强度特征、肿瘤形态特征、肿瘤的纹理特征和肿瘤的小波特征。

5.如权利要求1所述的一种构建肺肿瘤良恶性预测模型的方法，其特征在于，所述Lasso算法的公式为：

其中λ≥0，公式中表示模型拟合的程度，即损失函数，表示参数的惩罚，通过将系数较小的往零压缩达到剔除变量的目的。

6.如权利要求5所述的一种构建肺肿瘤良恶性预测模型的方法，其特征在于，采用交叉验证法选择调整参数λ。

7.如权利要求6所述的一种构建肺肿瘤良恶性预测模型的方法，其特征在于，采用5折交叉验证法选择最优调整参数λ。

8.如权利要求1所述的一种构建肺肿瘤良恶性预测模型的方法，其特征在于，在所述步骤(5)之前对特征数据进行归一化处理。

9.如权利要求8所述的一种构建肺肿瘤良恶性预测模型的方法，其特征在于，所述归一化处理公式为：

其中，max(x)为样本数据中的最大值,min(x)为样本数据的最小值。