[发明专利]预测胰腺癌微环境中细胞表达的方法、电子设备、介质及系统

说明书

本申请提供了一种预测胰腺癌微环境中细胞表达的方法、电子设备、介质及系统，方法包括，获取胰腺的CT图像并标记肿块区域；提取所述肿块区域的影像组学特征，得到组学参数数据集，对于所述肿块组学参数数据集进行特征筛选，选取目标特征；获取对应于所述CT图像的细胞免疫组化染色切片，对所述细胞免疫组化染色切片进行分组，分组结果包括高表达组和低表达组；利用所述目标特征以及所述分组结果来训练XGBoost分类器以获取预测模型；根据所述模型输出所述细胞表达。该方法可以无创且高效地预测胰腺癌微环境中的细胞表达。

技术领域

本发明涉及医学图像处理领域，特别涉及一种预测胰腺癌微环境中细胞表达的方法、电子设备、介质及系统。

背景技术

胰腺癌是一种常见的恶性肿瘤，治疗癌症的主要手段有手术、放疗、化疗和免疫治疗。患者在胰腺癌早期进行根治性手术，但大多数病例发生复发和转移。另外，胰腺癌对放疗、化疗的敏感性较差。

在胰腺癌的微环境是一个动态平衡的复杂系统，包括肿瘤细胞、浸润淋巴细胞、成纤维细胞、许多细胞因子和催化因子。胰腺癌微环境中不同的细胞表达影响着患者的疾病进展、预后、生存和疗效。在相关技术中，评价胰腺癌的微环境中细胞表达是依据术后的病理学标本，这种方法是侵袭性的，并且比较耗时。

发明内容

本申请提供了一种预测胰腺癌微环境中细胞表达的方法、电子设备、介质及系统，可以无创且高效地预测胰腺癌微环境中细胞表达。

本申请的第一方面公开了一种预测胰腺癌微环境中细胞表达的方法，所述方法包括，获取胰腺的CT图像并标记肿块区域；提取所述肿块区域的影像组学特征，得到组学参数数据集，对于所述肿块组学参数数据集进行特征筛选，选取目标特征；获取对应于所述CT图像的细胞免疫组化染色切片，对所述细胞免疫组化染色切片进行分组，分组结果包括高表达组和低表达组；利用所述目标特征以及所述分组结果来训练XGBoost分类器以获取预测模型；根据所述模型输出所述细胞表达。

在上述第一方面的一种可能的实现中，对于所述肿块组学参数数据集进行特征筛选包括，利用方差分析和Spearman相关分析选取所述目标特征。

在上述第一方面的一种可能的实现中，对于所述肿块组学参数数据集进行特征筛选还包括，利用Lasso回归分析选取所述目标特征。

在上述第一方面的一种可能的实现中，所述细胞为肿瘤浸润淋巴细胞，包括CD4+T，CD8+T和CD+20B细胞。

在上述第一方面的一种可能的实现中，所述细胞为成纤维细胞活化蛋白(FAP)。

在上述第一方面的一种可能的实现中，对所述细胞免疫组化染色切片进行分组包括，对所述肿瘤浸润淋巴细胞进行评分，所述评分以生存作为预测变量，以所述CD4+T，CD8+T和CD+20B细胞的阳性表达占肿瘤内百分比作为自变量，建立COX回归模型，根据所述COX回归模型计算所述肿瘤浸润淋巴细胞评分；利用X-tile软件以生存作为结局，根据所述肿瘤浸润淋巴细胞评分将所述细胞免疫组化染色切片分为所述高表达组或所述低表达组。

在上述第一方面的一种可能的实现中，对所述细胞免疫组化染色切片进行分组包括，利用X-tile软件以生存作为结局，根据FAP在肿瘤内百分比将所述细胞免疫组化染色切片分为所述高表达组或所述低表达组。

在上述第一方面的一种可能的实现中，所述CT图像包括动脉期图像和门脉期图像，对于所述动脉期图像和所述门脉期图像均提取了1409个影像组学特征，组成所述组学参数数据集。

在上述第一方面的一种可能的实现中，所述方法还包括，将所述CT图像分为训练集和验证集，所述训练集用于构建所述预测模型，所述验证集用于验证所述预测模型。