[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

说明书

本发明公开了一种用于四肢软组织肉瘤病人的肺转移预测方法，该方法包含：S1、利用PET图像的标准摄取值对所有被试进行特征提取，包括SUV特征及纹理特征；S2、利用one‑hot编码方法对所有被试的临床信息进行特征提取；S3、利用随机森林算法对所有特征进行特征贡献度排序，对高贡献度特征进行融合，并利用BP神经网络构建四肢软组织肉瘤病人肺转移预测模型。本发明能利用更少的病人特征更准确得预测四肢软组织肉瘤患者的肺转移情况。

技术领域

本发明涉及用于四肢软组织肉瘤病人的肺转移预测系统及方法，具体是指一种融合PET图像及临床特征用于四肢软组织肉瘤病人的肺转移预测系统及方法。

背景技术

肉瘤是一组高度异质的肿瘤，根据组织发生中相似的成人组织类型分类。其特征是侵袭性或破坏性生长，可以复发和远处转移。作为肉瘤之一，软组织肉瘤(STSs)可以发生在身体的任何部位，其中59％起源于肢体。不幸的是，10％-20％的肉瘤或STS患者在诊断时有远处转移。随访过程中转移率约为30％-40％，其中肺转移占约90％。此外，对肺转移瘤切除的预后因素的认识存在很大的不足，切除后的复发率很高。因此，早期筛查和预测肺转移可以帮助STS患者在早期找到相应的治疗措施，提高患者的生存率。

评估肺转移风险的最常用方法是从组织病理学样本中研究肿瘤的异质性，而尚不清楚不同克隆亚组或克隆与实体瘤如STS中的微环境之间的生物学关系，以便获得的样本信息同样受采样区域的影响，且实体癌是空间和时间异质的。因此，从分子水平的角度来研究肿瘤的异质性是很困难的。从医学图像中提取大量特征可以解决这个问题，因为放射学有能力在非侵入性中捕获肿瘤内异质性。仅从单个STS图像获得的特征是有限的，并且可能忽略更多其他的模态数据，例如临床数据。

因此，针对现有的利用影像数据构建四肢软组织肉瘤病人肺转移预测模型的方法还有待进一步发展与提高，需要在更加深入研究的基础上，提出更加完善的技术方案。

发明内容

本发明的目的是提供一种用于四肢软组织肉瘤病人的肺转移预测方法，融合PET图像和临床特征，利用随机森林袋外法进行特征排序挑选出高贡献度的特征，通过BP神经网络构建四肢软组织肉瘤肺转移预测模型。

为了实现以上目的，本发明是通过以下技术方案实现的：

一种用于四肢软组织肉瘤病人的肺转移预测方法，其特点是，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：