[发明专利]一种肺癌脑转移风险预测方法

说明书

本发明涉及一种肺癌脑转移风险预测方法,所述方法包括：对胸部CT图像上肺肿瘤影像组学特征提取；在对脑部MRI影像分割的基础上，计算脑实质区域、脑灰质区域和脑白质区域的定量影像特征；融合胸部CT影像上肺肿瘤和MRI影像上脑实质区域、脑灰质区域和脑白质区域影像特征，在运用特征选择方法筛选最佳特征的基础上，利用机器学习分类器构建脑转移预测模型；输出所述最终肺癌脑转移风险预测概率。本发明的方法自动化程度高，提高了肺癌脑转移风险预测的准确率。

技术领域

本发明属于医学图像处理技术领域，尤其涉及一种肺癌脑转移风险预测方法。

背景技术

肺癌是全球范围内死亡率最高的恶性肿瘤，局部复发和远处转移是导致肺癌病死率高的主要原因，而中枢神经系统是常见的肺癌复发远处转移部位。肺癌患者出现脑转移，表明恶性肿瘤已经广泛播散往往预后较差，因此，预测晚期肺癌患者的脑转移风险具有重要的临床价值。

对于无驱动基因突变的肺癌脑转移患者，目前传统的化疗、全脑放疗、立体定向放疗以及手术切除仍然是主要的治疗手段。但是，传统的治疗方法如单纯放疗、化疗、外科手术对于改善肺癌脑转移的预后非常有限。近年来随着立体定向放射治疗、靶向治疗的发展，尤其是化疗联合靶向、放疗联合靶向等交叉领域的联合治疗，使肺癌脑转移患者的生存质量得到提高，中位总生存期得以延长。因此，若能及时检测和识别高风险肺癌脑转移患者，则可有针对性的设计治疗方案，改善患者预后。但是，目前尚无有效的技术手段可以有效识别和预测脑转移风险。因此，如果能设计和开发有效的生物标记物预测晚期肺癌的脑转移风险和生存，则能够实现不同病人的风险分层，并及时对高风险病人进行干预治疗，制订个性化的治疗方案，改善患者预后。

发明内容

为了克服上述现有技术中存在的缺点与不足，本发明提供一种肺癌脑转移风险预测方法，所述方法首先对胸部CT图像上肺肿瘤影像组学特征提取；其次，在对脑部MRI影像分割的基础上，计算脑实质区域、脑灰质区域和脑白质区域的定量影像特征；然后,融合胸部CT影像上肺肿瘤和MRI影像上脑实质区域、脑灰质区域和脑白质区域影像特征，在运用特征选择方法筛选最佳特征的基础上，利用机器学习分类器构建脑转移预测模型；最后，输出所述最终肺癌脑转移风险预测概率。本发明的方法自动化程度高，提高了肺癌脑转移风险预测的准确率。

本发明提供了一种肺癌脑转移风险预测方法，所述方法包括以下步骤：

S1：对胸部CT图像进行预处理，分割肺肿瘤区域，提取所述肺肿瘤区域的影像组学特征；

S2：对脑部MRI影像进行预处理，分割脑实质区域、脑灰质区域和脑白质区域，提取脑实质区域、脑灰质区域和脑白质区域的影像组学特征；

S3：融合所述胸部CT和所述脑部MR I的影像组学特征；

S4：使用特征选择方法对所述融合的影像组学特征进行筛选，利用机器学习分类器构建肺癌脑转移风险预测模型；

S5：利用所述肺癌脑转移风险预测模型输出所述肺癌脑转移风险概率。

进一步，所述对胸部CT图像进行预处理，分割肺肿瘤区域，提取所述肺肿瘤区域的影像组学特征包括：

S11：输入肺部CT序列断层影像I _CT；

S12：运用三次B样条差值算法将所述影像I _CT的图像分辨率重采样至[1mm,1mm,1mm]；

S13：采用手动、半自动或全自动分割方法对CT影像上肺肿瘤区域进行分割；

S14：运用LoG滤波和小波滤波算法对胸部CT图像进行滤波处理；

S15：在原始CT影像、LoG滤波图像和小波图像上定量计算肺肿瘤区域的影像组学特征。