[发明专利]瘤细胞图像的分类方法及装置、设备、存储介质

权利要求书

1.一种瘤细胞图像的分类方法，其特征在于，包括：

根据M种磁共振扫描序列，组合出L个融合序列，每个所述融合序列包括至少两种所述磁共振扫描序列，L的值根据M确定，L是M种磁共振扫描序列进行组合可能出现的情况总数；

对于每种所述磁共振扫描序列，分别获取对N个样本对象扫描得到的N个多模态样本图像，对各个所述多模态样本图像进行放射组学特征提取，以获得N个第一特性数据样本；

分别对N个样本对象进行肿瘤类型标记，获得各个所述样本对象的标签数据，所述标签数据用于表征所述样本对象所属的肿瘤类型，所述肿瘤类型至少包括两个；

针对每个所述融合序列，分别根据所有样本对象的第一特性数据样本计算获得每个所述融合序列对应的最终转换矩阵以及与所述N个样本对象一一对应的N个第二特性数据样本；

将每个所述融合序列的N个第二特性数据样本以及各个所述第二特性数据样本对应的标签数据输入到分类器中进行训练，以构建L个分类系统；

将所述L个分类系统中分类性能达到预设条件的任一第一分类系统作为目标分类系统；所述预设条件为性能指标超过各个磁共振扫描序列对应的性能指标阈值；

根据所述目标分类系统对应的目标融合序列的最终转换矩阵，将目标待测对象的K个目标第一特性数据融合成目标第二特性数据；其中，所述K个目标第一特性数据与所述目标融合序列所包括的K种磁共振扫描序列一一对应；

将所述目标第二特性数据输入至所述目标分类系统，根据所述目标分类系统的输出结果确定所述目标待测对象的目标标签数据；

其中，每一所述第一特性数据样本包括多个放射组学特征；针对每个所述融合序列，分别根据所有样本对象的第一特性数据样本计算获得每个所述融合序列对应的最终转换矩阵以及与所述N个样本对象一一对应的N个第二特性数据样本，包括：

针对每个所述融合序列，根据所有样本对象的第一特性数据样本，构造每个所述放射组学特征的多序列特征矩阵，所述多序列特征矩阵包括基于各种磁共振扫描序列的特征矩阵；通过以下公式计算获得所述多序列特征矩阵中各类样本对象的特征向量

其中，c代表肿瘤类型数，n_i代表第i类的样本数，i＝1,…,c；x_ij代表第i类的第j个样本，j＝1,2,...,n_i；

根据各类样本对象的特征向量计算所有样本对象的特征向量均值；

根据各类样本对象的特征向量以及所有样本对象的特征向量均值，计算获得所述多序列特征矩阵的类间相关性矩阵以及协方差矩阵；

根据所述类间相关性矩阵以及所述协方差矩阵，计算出所述类间相关性矩阵的转置矩阵，将所述转置矩阵对角化，获得对角化时的特征向量矩阵；

从所述特征向量矩阵中取出前r个最大特征值所对应的特征向量，组成新特征向量矩阵；

根据所述类间相关性矩阵、所述协方差矩阵和所述新特征向量矩阵，计算出所述类间相关性矩阵的前r个最重要的特征值及其对应的特征向量；

根据所述类间相关性矩阵的前r个最重要的特征值及其对应的特征向量，计算获得每个所述放射组学特征的转换矩阵；

根据所述转换矩阵，对每个所述放射组学特征的多序列特征矩阵进行融合，获得每个所述放射组学特征的第一融合向量；

将所有所述放射组学特征的第一融合向量进行拼接，获得该融合序列对应的第二融合向量；以及，将所有所述放射组学特征的转换矩阵进行拼接，获得该融合序列对应的最终转换矩阵；其中，所述第二融合向量包括与所述N个样本对象一一对应的N个第二特性数据样本。

2.如权利要求1所述的瘤细胞图像的分类方法，其特征在于，所述对各个所述多模态样本图像进行放射组学特征提取，以获得N个第一特性数据样本，包括：

根据用户输入的操作参数，对各个所述多模态样本图像的每一层面进行靶区勾画，获得每一层面的二维感兴趣区域；

将各个所述多模态样本图像的所有层面的二维感兴趣区域保存为三维的掩膜图像数据；

对各个所述掩膜图像数据进行放射组学特征提取，以获得N个第一特性数据样本。