[发明专利]一种平扫CT图像的影像组学特征处理方法及装置

权利要求书

1.一种平扫CT图像的影像组学特征处理方法，其特征在于，包括：

获取胸部平扫薄层CT图像，所述CT图像包括新型冠状病毒肺炎的CT图像和同期的其他病毒性肺炎CT图像；

对所述CT图像逐层进行感兴趣区域勾画，提取区域内部的影像组学特征；

利用梯度提升树模型进行建模，基于改进的遗传算法确定梯度提升树模型的模型参数和进行特征选择，得到最终的模型参数和最终的特征选择结果；其中，所述模型参数包括：最大弱学习器个数、学习率和子采样比例；

使用所述最终的特征选择结果和所述最终的模型参数，构造最终的梯度提升树模型；

利用所述最终的梯度提升树模型，对其中每一颗决策树预测新型冠状病毒肺炎的概率相加，得到最终的影像学标志特征。

2.根据权利要求1所述的方法，其特征在于，所述对所述CT图像逐层进行感兴趣区域勾画，提取区域内部的影像组学特征包括：

对CT图像的像素大小重采样到预设大小；

分别对原始图像、拉普拉斯滤波后图像和小波滤波后图像提取统计学特征。

3.根据权利要求1所述的方法，其特征在于，所述基于改进的遗传算法确定梯度提升树模型的模型参数和进行特征选择，得到最终的模型参数和最终的特征选择结果包括：

根据基因编码规则，随机初始化M个个体，其中M为预设个数；

计算每个所述个体的适应度；

判断是否满足算法结束条件；若满足，则输出适应度最优的个体；若不满足，则根据个体适应度，基于改进的轮盘赌算法进行个体选择；

对选择后的个体，进行交叉和变异，形成新的种群；

对所述新的种群，返回执行所述计算每个所述个体的适应度的步骤。

4.根据权利要求3所述的方法，其特征在于，在交叉和变异的过程中，特征相关的基因的交叉变异系数和参数相关的基因的交叉变异系数分别设定，提高特征相关的变异概率，跳出局部最优解；在个体选择过程中，提高选择特征数少的个体被选择的概率。

5.根据权利要求1所述的方法，其特征在于，还包括：

在独立的测试集上，对影像学特征进行评估，指标包括受试者操作特征曲线下面积、正确率、敏感性和特异性。

6.一种平扫CT图像的影像组学特征处理装置，其特征在于，包括：

获取模块，用于获取胸部平扫薄层CT图像，所述CT图像包括新型冠状病毒肺炎的CT图像和同期的其他病毒性肺炎CT图像；

提取模块，用于对所述CT图像逐层进行感兴趣区域勾画，提取区域内部的影像组学特征；

建模模块，用于利用梯度提升树模型进行建模，基于改进的遗传算法确定梯度提升树模型的模型参数和进行特征选择，得到最终的模型参数和最终的特征选择结果；其中，所述模型参数包括：最大弱学习器个数、学习率和子采样比例；

构造模块，用于使用所述最终的特征选择结果和所述最终的模型参数，构造最终的梯度提升树模型；

计算模块，用于利用所述最终的梯度提升树模型，对其中每一颗决策树预测新型冠状病毒肺炎的概率相加，得到最终的影像学标志特征。

7.根据权利要求6所述的装置，其特征在于，所述提取模块通过如下方式对所述CT图像逐层进行感兴趣区域勾画，提取区域内部的影像组学特征：

所述提取模块，具体用于对CT图像的像素大小重采样到预设大小；分别对原始图像、拉普拉斯滤波后图像和小波滤波后图像提取统计学特征。

8.根据权利要求7所述的装置，其特征在于，所述建模模块通过如下方式基于改进的遗传算法确定梯度提升树模型的模型参数和进行特征选择，得到最终的模型参数和最终的特征选择结果：

所述建模模块，具体用于根据基因编码规则，随机初始化M个个体，其中M为预设个数；计算每个所述个体的适应度；判断是否满足算法结束条件；若满足，则输出适应度最优的个体；若不满足，则根据个体适应度，基于改进的轮盘赌算法进行个体选择；对选择后的个体，进行交叉和变异，形成新的种群；对所述新的种群，返回执行计算每个所述个体适应度的步骤。