[发明专利]一种用于四肢软组织肉瘤病人的肺转移预测方法

权利要求书

1.一种用于四肢软组织肉瘤病人的肺转移预测方法，其特征在于，包括如下步骤：

S1，采集四肢软组织肉瘤患者的临床数据和PET图像数据；

S2，对采集到的PET图像数据与预先标定的肿瘤区域进行融合得到感兴趣的区域，同时计算SUV，对临床数据进行合并整理，所述SUV为标准摄取值；

S3，对所述的感兴趣的区域进行特征提取，并利用one-hot编码方法对临床数据进行文本特征提取；

S4，合并所有特征，并利用随机森林算法及双样本T检验算法对所有特征进行特征贡献度排序；

S5，选取贡献度高的特征，利用反向传播神经网络构建四肢软组织肉瘤患者的肺转移预测模型；

所述的步骤S2包括如下步骤：

S2.1，对采集到的数据提取肿瘤区域数据，具体为：对于每个被试，利用专业医生勾勒的肿瘤区域，定位四肢软组织肉瘤患者PET影像的原始数据中的肿瘤体素区域，所述的肿瘤体素区域记为感兴趣的区域，然后提取每个被试的感兴趣的区域；

S2.2，计算感兴趣的区域中的SUV，同时对所有临床数据进行合并整理；

所述的步骤S3包括：

S3.1，提取PET图像的SUV特征，所述的SUV特征包括SUVmax、SUVpeak、SUVmean、AUC-CSH和PercentInactive，其中SUVmax表示肿瘤区域的最大SUV值；SUVpeak表示肿瘤区域与其相邻居之间平均值，取最大值；SUVmean表示肿瘤区域的平均SUV值；AUC-CSH表示累积标准摄取值体积直方图曲线下面积，描述总肿瘤体积百分比超过最大SUV阈值的百分比；PercentInactive表示不活跃肿瘤区域的百分比；

S3.2，对临床数据进行文本特征提取：利用one-hot编码方法对临床文本信息进行特征提取，所述的临床文本信息包括：年龄、性别、生存状态、肿瘤分化水平、肿瘤类型、肿瘤位置或治疗方式中的一种或几种；所述的步骤S4包括：

S4.1，融合所有特征将其合并得到特征矩阵，其中行为样本，列为所有的特征，最后一列表示每个被试是否肺转移的标签，肺转移为1，非肺转移为0，基于特征矩阵和每个被试的标签，利用重采样方法对所有被试进行随机划分N组，划分每组中一部分的数据作为袋内数据，即训练集，剩下一部分的数据作为袋外数据，即测试数据；

S4.2，N组数据即对应随机森林中的N颗决策树，对于每一颗决策树，使用相应的袋外数据来计算它的袋外数据误差，记为err₁ ；

S4.3，随机地对袋外数据所有样本的特征M加入噪声干扰，再次计算该颗决策树的袋外数据误差，记为err₂ ，因此，对于特征M的重要性可计算为I_M＝∑(err₁-err₂)/N，其中I_M值越大，则特征M的重要性更高，对预测模型的贡献度更高。

2.如权利要求1所述的用于四肢软组织肉瘤病人的肺转移预测方法，其特征在于，所述的步骤S5包括：

S5.1，将所有的被试随机分为三组，包括训练集、测试集和验证集；

S5.2，基于随机森林挑选出的高贡献度的特征，构建BP神经网络模型，输入层神经元数目为特征个数，设置隐层神经元数目，输出层的神经元个数为标签类型数量，设置最高迭代次数、最小梯度、初始参数随机及激活函数；

S5.3，随机打乱样本顺序，重复步骤S5.1和步骤S5.2的操作N次，其N次的均值作为模型性能结果，以避免局部最优，其中训练集、验证集和测试集准确率、敏感性和特征性最高的模型即为最终的预测模型，选取其中性能最好的模型作为最终的预测模型。