[发明专利]基于放射组学的COVID-19快速特征提取系统及快速诊断系统及病程预测系统

权利要求书

1.一种基于放射组学的COVID-19快速特征提取系统，其特征在于：其用于获取CT图像中关于COIVD-19的放射组学特征，且其包括：

用于待检人员CT图像输入的图像输入单元以及特征提取单元，所述特征提取单元通过建立基于CT图像COIVD-19放射组学特征自动化提取模型以获取待检人员CT图像的放射组学特征，

其中CT图像COIVD-19放射组学特征自动化提取模型建立步骤如下：

一、根据设定的CT图像筛选标准，对采集的COVID-19患者CT图像进行筛选；

二、对筛选后的COVID-19患者CT图像进行图像预处理；

三、对预处理后的COVID-19患者CT图像进行感兴趣区域分割，并形成训练图像；

四、基于深度卷积神经网络对训练图像进行训练，并得到感兴趣区域深度卷积神经网络自动分割模型；

五、基于感兴趣区域深度卷积神经网络自动分割模型分割后的图像，构建基于CT图像COIVD-19放射组学特征的自动化提取模型。

2.根据权利要求1所述的基于放射组学的COVID-19快速特征提取系统，其特征在于：步骤二中包含以下步骤：

1）对筛选后的COVID-19患者CT图像进行空间重采样和校正；

2）对筛选后的COVID-19患者CT图像进行灰度值重采样；

3）设定灰度值范围及离散化程度，对筛选后的COVID-19患者CT图像进行离散化处理；

4）对筛选后的COVID-19患者CT图像进行滤波处理，并对筛选后的COVID-19患者CT图像的尺寸进行裁剪。

3.根据权利要求1所述的基于放射组学的COVID-19快速特征提取系统，其特征在于：步骤四中对输入的训练图像进行下采样提取特征操作，将每层下采样提取到的特征与对应的向上恢复细节信息的通路连接，然后经过卷积残差块的残差模块处理，并以相似度Dice系数值来判断神经网络的自动分割结果，进一步测试和优化卷积神经网络参数，得到基于深度学习的感兴趣区域深度卷积神经网络自动分割模型。

4.一种基于权利要求1至3任意一项所述的基于放射组学的COVID-19快速特征提取系统的快速诊断系统，其特征在于：其包括：基于放射组学的COVID-19快速特征提取系统，用于提取具有预测价值的CT图像放射组学特征；

COIVD-19阳性预测系统，其包括利用机器学习算法支持向量机建立的初始放射组学特征对COIVD-19阳性的筛选模型，

所述COIVD-19阳性预测系统根据COVID-19快速特征提取系统的快速诊断系统提取的具有预测价值的CT图像放射组学特征，对待检人员进行是否为COIVD-19阳性的判断。

5.根据权利要求4所述的快速诊断系统，其特征在于：具有预测价值的CT图像放射组学特征的确定如下：

1)利用组内相关性分析方法，以组内一致性值为评价指标，判断单个组学特征在不同患者之间的稳定性，筛选出稳定性高、鲁棒性好、有分析价值的CT图像放射组学特征；

2）利用斯皮尔曼相关性分析和Mann-Whitney检验方法研究组学特征与COIVD-19阳性结果之间的关联关系，确定组学特征对COIVD-19阳性的预测价值和能力，并进一步利用受试者工作特征曲线分析单个或多个特征联合对COIVD-19阳性的预测能力，筛选出有预测价值的CT图像放射组学特征。

6.根据权利要求4所述的快速诊断系统，其特征在于：对提取的具有预测价值的CT图像放射组学特征进行降维处理。