[发明专利]乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法

说明书

本发明属于医学图像处理领域技术领域，具体涉及一种乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法。方法的步骤为：S1，收集并整理乳腺癌患者接受新辅助治疗前后的DCE‑MRI乳腺成像；S2，将S1收集并整理好的图像，进行像素矩阵运算并采用区域生长算法保留乳腺病理区图像与腋窝图像；S3，整理S2得到的图像，再将整理后的图像输入到神经网络中，进行模型训练，得到预测模型；S4，对S3得到的乳腺癌患者接受新辅助治疗前后的模型数据进行特征融合并进行分类预测得到有效的病理完全缓解的预测和淋巴结是否转移的预测。由此，提升了分析和预测效率，并且在提升信息提取量的同时提升了模型预测的准确性，可以给患者提出更好的治疗参考意见。

【技术领域】

本发明属于医学图像处理领域技术领域，具体涉及一种乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法。

【背景技术】

目前，新辅助治疗已经是乳腺癌的临床治疗中的重要部分，临床治疗上多以新辅助治疗(NeoadjuvantChemotherapy，NAC)为主，乳腺癌的新辅助治疗具有降期手术、降期保乳、了解肿瘤对治疗方案的敏感性，判断下一步治疗方案等优势。然而在临床实验中，发现部分患者对于新辅助治疗并不敏感，并且治疗的疗效存在个体差异，因此，需要预测新辅助治疗的疗效以更好的找到适合于患者的治疗方法，确保患者能够第一时间得到有效治疗。

现有技术在进行乳腺癌的新辅助治疗疗效预测时，影像学检查是最常用的手段之一，主要包括乳腺钼靶、超声以及磁共振成像(MagneticResonanceImaging，MRI)等，可从这些影像检查中提取到肿瘤大小、边缘、及密度等方面的信息，但仅凭这些直观的信息不能对新辅助治疗疗效做很好的评估，则需要使用图像处理算法，深入挖掘病灶内部特征。

目前，多数的MRI影像对乳腺癌NAC疗效的评估研究中，只是提取乳腺MRI影像中的部分特征，未提取全乳腺信息进行研究，并且需要标注相应的特征区域，这样会耗费医师的大量时间且预测效果不佳，因此需要一种提取全乳腺信息的新辅助治疗疗效预测方法，来帮助患者得到更适合的治疗方案。

乳腺癌主要的转移途径包括淋巴结转移、血行转移和局部扩散，其中以淋巴转移最为多见。淋巴结转移其受累与否对肿瘤的分期、治疗方案的制定以及预后评估均有着极为重要意义。淋巴结转移中最为常见的情况为腋窝淋巴结转移，也因此，乳房肿瘤的手术主要包括乳房原发肿瘤及腋窝的处理，在以往的对新辅助治疗预测的研究中，未对淋巴结转移做相关预测，基于此提出的治疗方案意见，就存在意义相对有限的问题。

在申请号为CN202110712181.0的中国发明专利申请中，公开了一种基于影像组学构建乳腺癌患者淋巴结转移预测模型的方法，步骤包括：采集多个中心患者的磁共振图像数据和临床特征数据，并根据中心及治疗方案将多个患者分为训练队列、新辅助治疗验证队列以及外部验证队列；根据磁共振图像数据，提取多个MR序列中乳腺原发肿瘤和腋窝淋巴结的MR影像特征，采用随机森林算法对MR影像特征进行筛选得到若干个关键影像特征，并基于若干个关键影像特征利用支持向量机算法建立影像特征预测模型；根据临床特征数据，对临床特征数据进行单因素分析，筛选出具有统计学显著性的临床特征作为关键临床特征，采用支持向量机算法根据关键临床特征建立临床特征预测模型；采用支持向量机算法根据关键影像特征和关键临床特征建立淋巴结转移综合预测模型，其中支持向量机算法的模型类别为c-分类、模型的惩罚系数为1以及模型的核函数为径向基。该方法能够有效提升淋巴结转移预测模型的稳定性，使得淋巴结转移预测更加准确。但该方法需要采集大量的前期样本数具以构建模型，但乳腺癌患者的个体差异较大，使得前期模型建立存在一定的困难。

【发明内容】

本发明提供了一种乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法，以解决新辅助治疗疗效预测不准确、效率低的技术问题。

本发明是通过以下技术方案实现的，提供的一种乳腺癌新辅助治疗疗效预测的全乳腺信息分析方法技术方案为：