[发明专利]一种基于AdaBoost特征融合的鼻咽癌坏死预测方法

权利要求书

1.一种基于AdaBoost特征融合的鼻咽癌坏死预测方法，其特征在于：包括以下步骤：

1)医学影像图像预处理：分别获取病人的MRI多模态数据T1、T1C、T2，再由医生手动分割出肿瘤区域；并对MR图像进行N4偏置场纠正；

2)影像组学特征提取：利用python pyradiomics程序库对步骤1)中得到的多模态数据及肿瘤区域提取影像组学特征；

3)多模态组学特征选择：分别对三个模态数据提取到的影像组学特征进行特征参数相关性计算，筛选出相关系数低的特征，并将筛选出的多模态特征进行拼接融合，作为病人组学特征；对每个特征下的所有病例进行归一化处理；

4)剂量特征提取：剂量特征表现为扫描图像，剂量影像切片像素值求和，以每个病例为单位计算其统计值；

5)特征融合：将步骤3)得到的组学特征和步骤4)得到的剂量特征拼接融合，并对所有特征进行归一化处理；

6)模型搭建：将步骤5)融合后的所有数据送入以决策树分类器为基础的AdaBoost分类器进行二分类；单分类器是决策树，增强组合算法是Adaboost算法；

7)利用交叉验证计算auc指标；

8)多次重复步骤6)～7)，比较测试结果，得出病人以该剂量数据进行化疗后的坏死概率。

2.如权利要求1所述的一种基于AdaBoost特征融合的鼻咽癌坏死预测方法，其特征在于：所述步骤3)中影像组学特征先进行Lasso正则化算法筛选出具有线性关系的特征，再进行相关性计算。

3.如权利要求2所述的一种基于AdaBoost特征融合的鼻咽癌坏死预测方法，其特征在于：计算特征间两两相关性时，如其相关性高于设定的临界值，则这两组特征关联度较高，选择过滤掉其中一个特征，此特征与其他所有特征相关性均值高于被保留的另一个特征。

4.如权利要求1所述的一种基于AdaBoost特征融合的鼻咽癌坏死预测方法，其特征在于：所述步骤4)具体步骤如下：

i)根据灰度值计算每张影像切片下的总像素值；

ii)对每个病例下所有切片计算其均值、中间值、最大值、最小值；

iii)利用相关性筛选剂量特征并进行归一化处理。

5.如权利要求1所述的一种基于AdaBoost特征融合的鼻咽癌坏死预测方法，其特征在于：分析步骤8)得出的坏死概率，若坏死概率低，则按照医生制定的剂量数据进行放疗；若坏死概率高，则医生修改放疗剂量数据，重复步骤4)～8)，直至得到的坏死概率降低，按照坏死概率低的剂量数据进行放疗。