[发明专利]一种基于乳腺专用PET影像组学预测腋窝淋巴结转移的方法

说明书

本发明公开了一种基于乳腺专用PET影像组学预测腋窝淋巴结转移的方法，其通过提取乳腺癌原发灶的MAMMIPET影像组学特征，并融合原发灶免疫组化病理及相关临床因素，构建预测乳腺癌淋巴结转移风险的模型，实现对乳腺癌患者治疗前淋巴结分期的精准无创预测，补充了常规影像技术特异性低的弊端，同时为医生对乳腺癌患者精准临床分期以及治疗方案提供更加具体的参考依据，提高治疗的成功率。

技术领域

本发明涉及一种基于计算机数据分析的医学辅助预测方法，具体涉及一种基于乳腺专用PET影像组学预测腋窝淋巴结转移的方法。

背景技术

根据最新发布的2020年全球癌症统计报告，女性乳腺癌已经超过肺癌，成为最常见的癌症，也是癌症死亡的主要原因。乳腺癌相较其他肿瘤更容易早期发生腋窝淋巴结(axillary lymph node,ALN)转移，ALN状态的精准评估对于指导乳腺癌分期、治疗、预后等具有重要意义。目前，临床用于评估乳腺癌ALN的金标准是前哨淋巴结活检术和腋窝淋巴结清扫术，但是以上2种有创方式可能给患者带来诸多术后并发症，如上肢淋巴水肿、感染等。而传统影像学手段(钼靶、超声、磁共振成像等)在无创预测ALN是否转移中，存在敏感性、特异性及准确性较低的情况，并不能达到理想的预测效果；此外，以上影像技术在诊断过程中存在个体主观因素差异大的缺陷，对于诊断医生的经验及水平要求较高。

高精度乳腺专用PET(mammography with molecular imaging PositronEmission Tomography，MAMMI PET)是目前国际乳腺核医学成像研究领域的热点之一，其显像原理与全身PET相同，基于肿瘤代谢特征的定量分析不仅可以比常规手段更准确地识别恶性肿瘤，还能最大程度地消除不同操作个体对诊断结果带来的误差，有助于提升诊断精度，同时减轻影像诊断医生的工作负担。此外，相较于全身PET，MAMMI PET空间分辨率提高到1.4mm，在探测乳腺癌小病灶和多中心病灶中具有灵敏度高、分辨率强、辐射性低的优势，极大提高了乳腺癌诊断、分期的准确率。

虽然MAMMI PET成像可以提供绝对定量以及半定量分析，但是所获得的数据有限，影像图像内仍有大量未充分挖掘的隐藏信息。近年来，随着大数据及计算机辅助诊断技术的飞速发展与融合，影像组学(radiomics)技术应运而生。它通过自动化数据特征化算法将影像数据定量转化为高通量的特征空间数据，能更大限度挖掘图像信息，全方面对肿瘤特征进行定量研究，为肿瘤诊疗提供临床决策支持。影像组学技术能否成功应用的关键在于影像数据的收集，影像上肿瘤的体素越多，可供影像组学分析的特征就越多。目前基于传统影像学手段的影像组学由于图像信息较少，难以进一步提高诊断效能，而基于MAMMI PET图像可以为影像组学技术的实施提供更为丰富的肿瘤信息。

因此，我们通过提取乳腺癌原发灶的MAMMI PET影像组学特征，并融合原发灶免疫组化病理及相关临床因素，构建预测乳腺癌淋巴结转移风险的模型，具有重要的理论意义和应用价值。

发明内容

本发明的目的在于克服现有技术中存在的上述不足，而提供一种结构设计合理的基于乳腺专用PET影像组学预测腋窝淋巴结转移的方法。

本发明解决上述问题所采用的技术方案是：一种基于乳腺专用PET影像组学预测腋窝淋巴结转移的方法，包括

数据采集：采集乳腺癌确诊患者治疗前后基线临床信息及乳腺病灶的免疫组化病理结果，根据手术淋巴结清扫病理结果将患者分为淋巴结阴性组和淋巴结阳性组，上述数据中按比例将患者分成训练组和验证组，训练组用于筛选特征并建立预测模型，验证组用于进行模型验证、评价；

影像组学特征提取：对原始乳腺专用PET图像去除干扰结果的噪声和杂质并进行肿瘤分割，采用数据模板对图像进行量化处理，获得影像组学特征数据；

数据预处理：将步骤数据采集的患者基线临床信息及乳腺病灶的免疫组化病理结果和步骤影像组学特征提取进行标数据准化处理获得原始数据集；