[发明专利]基于影像组学的脑胶质瘤分子标记物无损预测方法和预测系统

说明书

本发明公开了一种基于影像组学的脑胶质瘤分子标记物无损预测方法以及对应的预测系统，步骤1，通过常规磁共振成像方法采集脑胶质瘤的原始医学图像；步骤2，建立脑胶质瘤医学肿瘤影像数据库和历史肿瘤数据库；步骤3，针对步骤2提取的脑胶质瘤特征进行分析，选择出有效特征；步骤4，根据基准单元周围相邻区域属性；步骤5，重复步骤2至4，从而形成训练集，根据训练集使用步骤2中得到的预测模型进行预测模型训练，最终生成预测模型。本发明既减轻了病人活检时的痛苦，又降低了医生对活检组织不完整造成的误差。

技术领域

本发明涉及肿瘤预测技术领域，尤其涉及基于影像组学的脑胶质瘤分子标记物无损预测 方法以及一种基于影像组学的脑胶质瘤分子标记物预测系统。

背景技术

据世界卫生组织报告，癌症是全球发病和死亡的主要原因；在我国，恶性肿瘤已经成为我国居民头号杀手。肿瘤领域是当下研究的一个热点，其中一个重要的挑战是寻找肿瘤标记物，对于肿瘤早期诊断、预后以及疗效预测起至关重要作用。

现有肿瘤标记物提取方法主要基于分子技术，该方法需借助专业仪器对病人进行活检或手术，侵入性地获取出肿瘤局部组织，通过基因测序或蛋白质分子技术，从癌症的分子机制去探索发生的根源，寻找致癌基因的突变位点和其分子表达通路。结合病人的临床分期、生存周期等信息，寻找潜在的肿瘤分子标记物。但肿瘤具有很强的空间异质性，局部组织并不能代表整个肿瘤的全局特征；这可能会导致分子标记物研究的可变性和不一致性。另外，现阶段分子技术的不成熟、成本高，制约着其在临床的常规应用。因此，探索无 侵入的可替代标记物是一个重要的研究目标。

影像学方法已用于临床的常规诊断。其中，CT作为最常见的成像方式，可无侵入、重复地描述肿瘤的解剖学特征。在一些肿瘤影像学标记物提取方法中，基于CT的定量特征，如肿瘤大小、边界等被证明与肿瘤分期，生存周期和疗效相关。而新兴领域——基因影像学，将影像特征和分子机制相关联，尝试用从基因层次去解释宏观的影像学特征。然而，基因影像学大部分研究集中在两者的关联，尚未发现其在影像标记物领域的应用。

其中，胶质瘤是最常见的脑部恶性肿瘤，其中约30％为低级别胶质瘤(LGG,WHO分级I 和II级)。尽管低级别胶质瘤有相对较好预后，但几乎所有的低级别胶质瘤都会发展为具有 高死亡率的高级别胶质瘤。与胶质母细胞瘤(GBM,WHO IV级)相比，对LGG的基因表达分析和 理解的研究相对欠缺。

基于医学影像的技术一直应用于癌症的诊断和分期，由于脑胶质瘤具有持续的血管生成 和组织浸润与转移的特性，正常组织与脑胶质瘤组织边界不清晰、转移位置不确定等不确定 因素导致脑胶质瘤预后预测成为临床研究中面临的严峻的挑战。现阶段，在脑胶质瘤影像临 床方面，影像科医生主要依照个人知识和经验对检查结果中脑胶质瘤的分级诊断进行主观、 定性的判断，而且判断的结果意见也都是包含简单的量化信息，不能全面的描述出肿瘤信息， 这不利于医生制定治疗方案和分级预测脑胶质瘤等级。

发明内容

本发明的目的是针对现有技术的不足，从而提供基于影像组学的脑胶质瘤分子标记物无 损预测方法。

本发明提供了一种基于影像组学的脑胶质瘤分子标记物无损预测方法，包括以下步骤：

步骤1，通过常规磁共振成像方法采集脑胶质瘤的原始医学图像，并对采集的原始医学 图像进行图像格式、大小的统一化和数据的去隐私化处理，获得脑胶质瘤医学肿瘤影像数据 和历史肿瘤数据；

步骤2，建立脑胶质瘤医学肿瘤影像数据库和历史肿瘤数据库，并通过有限元、神经网 络算法建立预测模型，同时自脑胶质瘤医学肿瘤影像数据库选取其中一个脑胶质瘤医学图像 样本，选定脑胶质瘤医学图像样本中的感兴趣区，并将感兴趣的区域划分为很多的基本单元， 计算基本单元周围相邻区域的特征并提取其中的脑胶质瘤特征，脑胶质瘤特征包括位置特 征、灰度特征、形状特征、和纹理特征；