[发明专利]一种对非小细胞肺癌预后生存情况的分析方法在审
申请号: | 201910303300.X | 申请日: | 2019-04-16 |
公开(公告)号: | CN109887600A | 公开(公告)日: | 2019-06-14 |
发明(设计)人: | 王旭;聂生东;郑军;叶枫;段辉宏;高磊;吴文浩 | 申请(专利权)人: | 上海理工大学 |
主分类号: | G16H50/20 | 分类号: | G16H50/20 |
代理公司: | 上海邦德专利代理事务所(普通合伙) 31312 | 代理人: | 余昌昊 |
地址: | 200093 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 预后 非小细胞肺癌 分析模型 影像组 组学 分析 小细胞肺癌 传统影像 患者数据 数据信息 特征筛选 特征提取 预后分析 预后因素 显著性 病灶 构建 建模 与非 存活 肿瘤 研究 分割 医生 保证 | ||
1.一种对非小细胞肺癌预后生存情况的分析方法,其特征在于,包括以下步骤:
步骤1:CT影像处理;
步骤1.1:对非小细胞肺癌患者的肺部CT序列进行肺实质粗分割,并且对分割后的肺实质边缘进行修补;
步骤1.2:对粗切割后的所述肺实质进行精分割;
步骤1.3:对精切割后的所述肺实质中的肺部肿瘤进行检测;
步骤1.4:对检测出的所述肺部肿瘤进行精分割并且人工修正;
步骤1.5:在上述步骤中,同时提取用于描述肿瘤的相应的定量特征;
步骤2:特征数据处理;
步骤2.1:对所述定量特征的特征数据进行归一化处理;
步骤2.2:平衡所述特征数据集正负样本数量;
步骤2.3:筛选出权重值最高的前十个定量特征;
步骤3:影像组学特征与预后生存情况的关联分析:
步骤3.1:筛选出与预后生存情况显著关联的影像组学特征;
步骤3.2:将步骤2.3中筛选出的所述定量特征与步骤3.1中所述影像组学特征的交集作为影像组学预后因素;
步骤4:预后生存模型的建立;
步骤4.1:以非小细胞肺癌患者的截止生存时间为因变量,以所述影像组学预后因素为自变量,建立预后生存模型;
步骤4.2:评估所述预后生存模型的性能。
2.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法,其特征在于,在步骤1.1中,利用“阈值法”对非小细胞肺癌患者的肺部CT序列进行肺实质粗分割,同时利用“链码法”对肺部边缘进行修补;
在步骤1.2中,利用“区域生长法”对粗切割后的所述肺实质进行精分割,去除气管,支气管的干扰;
在步骤1.3中,运用“高斯模板匹配法”与“hessian矩阵边缘点检测”相结合的方法对精切割后的所述肺实质中的肺部肿瘤进行检测,剔除血管区域的干扰;
在步骤1.5中,对过分割和欠分割的所述肺部肿瘤进行人工修正。
3.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法,其特征在于,在步骤2.1中,所述归一化处理为将所述定量特征的所述特征数据的取值区间缩放到[0,1];
在步骤2.2中,利用“Smote算法”平衡所述特征数据集正负样本数量;
在步骤2.3中,利用“Relief特征权重算法”对所述特征数据进行筛选,筛选出权重值最高的前十个定量特征。
4.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法,其特征在于,在步骤3.1中,利用Spearman相关系数分析影像组学特征与预后生存情况之间的相关性,以P<0.05为指标筛选出统计学上与预后生存情况显著关联的影像组学特征。
5.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法,其特征在于,在步骤4.1中,采用Lasso回归拟合广义线性模型建立基于影像组学特征的预后生存模型;
在步骤4.2中,设计实验以平均绝对值误差、均方误差、R平方值作为评价指标,评估所述预后生存模型的性能。
6.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法,其特征在于,选取124例非小细胞肺癌患者进行检测。
7.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法,其特征在于,在步骤1.5中,提取用于描述肿瘤的相应的256个定量特征。
8.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法,其特征在于,所述定量特征包括影像组学特征和患者临床信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海理工大学,未经上海理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910303300.X/1.html,转载请声明来源钻瓜专利网。