[发明专利]肝细胞癌的微血管侵犯预测模型构建方法与概率预测方法

权利要求书

1.一种肝细胞癌的微血管侵犯预测模型构建方法，其特征在于，包括：

根据多个类型的医学图像上勾画的肿瘤感兴趣区域，得到每个类型的所述医学图像的最大判别因子；

从多个类型的所述医学图像的最大判别因子、影像特征以及临床特征中选取对微血管侵犯有统计学意义的多个预测变量；

基于所述多个预测变量，构建肝细胞癌微血管侵犯预测模型。

2.根据权利要求1所述的肝细胞癌的微血管侵犯预测模型构建方法，其特征在于，所述从多个类型的所述医学图像的最大判别因子、影像特征以及临床特征中选取对微血管侵犯有统计学意义的多个预测变量，包括：

以各类型的所述医学图像的最大判别因子、影像特征或临床特征作为变量进行单因素logistic回归分析，得到对微血管侵犯有统计学意义的所述预测变量。

3.根据权利要求1所述的肝细胞癌的微血管侵犯预测模型构建方法，其特征在于，所述基于所述多个预测变量，构建肝细胞癌微血管侵犯预测模型，包括：

对所述多个预测变量进行多因素logistic回归分析，得到肝细胞癌微血管侵犯预测模型。

4.根据权利要求3所述的肝细胞癌的微血管侵犯预测模型构建方法，其特征在于，所述对所述多个预测变量进行多因素logistic回归分析，得到肝细胞癌微血管侵犯预测模型，包括：

对所述多个预测变量进行多因素logistic回归分析，得到微血管侵犯的多个独立预测因子；

利用所述多个独立预测因子构成所述肝细胞癌微血管侵犯预测模型。

5.根据权利要求4所述的肝细胞癌的微血管侵犯预测模型构建方法，其特征在于，所述多个独立预测因子包括：肝胆期肿瘤周围低信号，门脉期图像的最大判别因子，肝胆期图像的最大判别因子；

所述肝细胞癌微血管侵犯预测模型为：

其中，P表示微血管侵犯概率，β₀表示常数，X₁表示肝胆期肿瘤周围低信号，β₁表示肝胆期肿瘤周围低信号的指示值对应的常数，X₂表示动脉期图像的最大判别因子，β₂表示动脉期图像的最大判别因子对应的常数，X₃表示门脉期图像的最大判别因子，β₃表示门脉期图像的最大判别因子对应的常数。

6.根据权利要求5所述的肝细胞癌的微血管侵犯预测模型构建方法，其特征在于，β₀＝-4.612，β₁＝3.614，β₂＝2.035，β₃＝-1.876。

7.根据权利要求1所述的肝细胞癌的微血管侵犯预测模型构建方法，其特征在于，所述根据多个类型的医学图像上勾画的肿瘤感兴趣区域，得到各类型的所述医学图像的最大判别因子，包括：

对各类型的医学图像上的肿瘤感兴趣区域进行纹理分析，得到每个类型的所述医学图像的感兴趣区域对应的多个纹理特征；

基于各类型的所述医学图像的感兴趣区域对应的多个纹理特征，得到各类型的所述医学图像的最大判别因子。

8.根据权利要求7所述的肝细胞癌的微血管侵犯预测模型构建方法，其特征在于，所述基于各类型的所述医学图像的感兴趣区域对应的多个纹理特征，得到各类型的所述医学图像的最大判别因子，包括：

对于每个类型的所述医学图像，将所述医学图像的感兴趣区域对应的多个纹理特征输入到预设的线性鉴别分析模型，得到所述医学图像的最大判别因子。