[发明专利]一种基于机器学习的软组织肉瘤转移风险预测系统

权利要求书

1.一种基于机器学习的软组织肉瘤转移风险预测系统，包括：依次连接的图像采集模块、图像预处理模块、特征提取模块、软组织肉瘤转移风险预测模块以及显示结果模块；

所述图像采集模块用于获取软组织肉瘤 PET/CT 图像生成待预测图像数据；

所述图像预处理模块用于将待预测图像数据进行预处理得到预处理后的图像，预处理包括降噪处理和归一化处理，且所述降噪处理为采用图像降噪算法对图像进行小波分解和重构，所述归一化处理为采用图像归一化算法对图像进行处理；

所述特征提取模块用于对预处理后的图像进行纹理分析并提取图像特征，纹理分析包括计算灰度共生矩阵、灰度级行程矩阵、灰度级带矩阵以及邻域灰度差分矩阵，通过特征提取模块对预处理过的图像进行灰度共生矩阵、灰度级行程矩阵、灰度级带矩阵、邻域灰度差分矩阵的计算，分析其纹理特征，具体的，通过对预处理过的图像进行灰度共生矩阵计算，得到能量、对比度、关联性、同质性、方差、总平均值和熵值；通过对预处理过的图像进行灰度级行程矩阵计算，得到短期强调、长期重点、灰度级非均匀性、游程长度不均匀性、运行百分比、低灰度运行强调、高灰度运行强调、短期低灰度强调、短期高灰度强调、长期低灰度强调、长期高灰度重点、灰度方差以及游程长度方差；通过对预处理过的图像进行灰度级带矩阵计算，得到小区重点、大区重点、灰度级非均匀性、区域尺寸不均匀性、区域百分比、灰度区重点、高灰度区重点、小区域低灰度强调、小区域高灰度重点、大区低灰度强调、大区高灰度重点、灰度方差以及区域大小方差；通过对预处理过的图像进行邻域灰度差分矩阵计算，得到粗糙度、对比度、繁忙度、复杂度和强度；

所述软组织肉瘤转移风险预测模块用于收集软组织肉瘤图像建立训练数据库，并将训练数据库中的图像进行提取图像特征后使用支持向量机进行训练，建立软组织肉瘤转移风险预测模型，同时将获取的待预测图像数据的特征输入模型进行预测得到预测结果；

所述显示结果模块用于显示预测结果。

2.根据权利要求 1 所述的基于机器学习的软组织肉瘤转移风险预测系统，其特征在于，所述图像归一化算法使用如下函数：

其中，表示归一化后的像素点的值，表示图像像素点的值，分别表示图像像素的最大值和最小值。

3.根据权利要求 1 所述的基于机器学习的软组织肉瘤转移风险预测系统，其特征在于，所述小波分解包括：

选择一个小波函数和小波分解的层次 N，然后计算图像到第 N 层的分解；

将高频系数进行阈值量化，对于从 1 到 N 的每一层，选择一个阈值，并对这一层的高频系数进行软阈值化处理。

4.根据权利要求 3 所述的基于机器学习的软组织肉瘤转移风险预测系统，其特征在于，所述小波重构包括根据小波分解的第N层的低频系数和经过阈值量化的第1层到第N层的高频系数来对医疗图像进行小波重构。

5.根据权利要求1所述的基于机器学习的软组织肉瘤转移风险预测系统，其特征在于，所述软组织肉瘤转移风险预测模型的建立包括以下步骤：

收集软组织肉瘤PET/CT图像，建立训练数据库；

将训练数据库中的数据经过图像预处理模块处理得到降噪和归一化后的图像数据，并将降噪和归一化后的图像数据经过特征提取模块进行特征提取，得到训练特征数据；

将训练特征数据随机划分为k组，每组中都包含发生转移和未发生转移的样本，挑选其中一组数据作为测试集，剩下的k-1组数据作为训练用来训练模型，挑选分类准确率最高的模型作为最终软组织肉瘤转移风险的预测模型。