[发明专利]基于多模态影像组学的癫痫药物治疗结局预测方法和装置

权利要求书

1.一种基于多模态影像组学的癫痫药物治疗结局预测方法，其特征在于，包括步骤：

获取TSC患者在进行抗癫痫药物治疗前的多种模态磁共振影像，并对所述多种模态磁共振影像进行预处理；

把TSC患者按比例随机分为训练集和测试集，所述训练集用于训练预测模型，所述测试集用于验证预测模型的性能；

基于U-net++网络对预处理后的每一种模态磁共振影像进行区域分割，获取每一种模态磁共振影像对应的感兴趣区域；

对每一种模态磁共振影像的每一个感兴趣区域进行特征提取，获取每一个感兴趣区域对应的高维影像组学特征；

对所述高维影像组学特征进行分析筛选，降维后得到目标影像组学特征；

对训练集中的目标影像组学特征运用机器学习算法训练预测模型，构建获得癫痫药物治疗结局预测模型，并在测试集中验证模型；

利用构建获得癫痫药物治疗结局预测模型对待治疗患者的目标影像组学特征进行预测，获得预测的癫痫药物治疗结局。

2.根据权利要求1所述的癫痫药物治疗结局预测方法，其特征在于，所述多种模态磁共振影像包括磁共振影像中的T1加权影像、T2加权影像和液体衰减反转恢复影像。

3.根据权利要求1或2所述的癫痫药物治疗结局预测方法，其特征在于，所述TSC患者的入组标准需要至少满足以下3个条件：1)患者在使用抗癫痫药物治疗前进行了多种模态磁共振影像扫描；2)患者使用抗癫痫药物治疗1年以上；3)患者未进行病灶切除手术。

4.根据权利要求1所述的癫痫药物治疗结局预测方法，其特征在于，所述训练集和所述测试集的数量比例为8:2或7:3。

5.根据权利要求1所述的癫痫药物治疗结局预测方法，其特征在于，在基于U-net++网络对预处理后的每一种模态磁共振影像进行区域分割之后，通过人工检查并修改完善影像的分割轮廓，进而获取每一种模态磁共振影像对应的感兴趣区域。

6.根据权利要求1所述的癫痫药物治疗结局预测方法，其特征在于，所述高维影像组学特征至少包括以下3类特征：1)用于描述结节病灶尺寸和形状的三维形态特征；2)用于描述病灶区域强度分布的一阶统计特征；3)用于描述病灶区域空间分布信息的纹理特征，包括灰度共生矩阵、灰度游程矩阵、灰度区域大小矩阵、相邻灰度差分矩阵和灰度共生矩阵。

7.根据权利要求1所述的癫痫药物治疗结局预测方法，其特征在于，所述对高维影像组学特征进行分析筛选，降维后得到目标影像组学特征的步骤包括：

首先采用了双变量分析算法对高维影像组学特征进行初步筛选：计算每个组学特征与药物治疗的治疗结局之间的斯皮尔曼相关系数p值，筛选出p值0.05的组学特征，获得初步影像组学特征；

然后使用套索算法对所述初步影像组学特征进行进一步筛选，筛选出与病灶分类有显著关系的影像组学特征，获得所述目标影像组学特征。

8.根据权利要求1或7所述的癫痫药物治疗结局预测方法，其特征在于，所述对训练集中的目标影像组学特征运用机器学习算法训练预测模型，构建获得癫痫药物治疗结局预测模型，并在测试集中验证模型的步骤包括：

采用多种机器学习算法分别建立模型，获得多种类型的预测模型；所述多种机器学习算法包括支持向量机算法、随机森林算法、Logistic回归分析算法、Ada Boost算法、Gradient Boosting算法和Decision Tree算法；

对于每一类型的预测模型，采用十折交叉验证进行训练，训练过程使用网格搜索算法选择最优超参数；根据确定的最优超参数，在整个训练集上训练各个类型的预测模型，训练得到候选预测模型，并在测试集上测试验证；

基于AUC、准确性、敏感性和特异性的性能参数对候选预测模型进行性能评估，选取性能最佳的候选预测模型作为所述癫痫药物治疗结局预测模型。