一种基于ROI病灶特征的肺癌影响评价方法和系统技术方案

本发明专利技术请求保护一种基于ROI病灶特征的肺癌影响评价方法和系统，采用了回顾性和前瞻性相结合的发明专利技术设计，利用回顾性数据库建立预后预测模型，使用前瞻性数据库进行模型的验证和优化，可确保构建的模型的泛化能力和临床推广价值，设计方案创新，同时，除了影像建模预测手术治疗反应外，还深入分析病理组学与患者手术治疗后DFS的相关性，从而从分子层面及临床队列数据初步筛选和探讨影响肺癌患者接受新辅助免疫治疗疗效的机制。本发明专利技术可以有效地对肺癌图像的ROI区域准确识别划分，高效地筛选手术治疗优势人群，辅助临床决策。辅助临床决策。辅助临床决策。

【技术实现步骤摘要】
一种基于ROI病灶特征的肺癌影响评价方法和系统


[0001]本专利技术属于智慧医疗和图像处理领域，具体的，涉及一种基于ROI病灶特征的肺癌影响评价方法和系统。

技术介绍

[0002]肺癌是全球癌症相关死亡的首要原因,其中非小细胞肺癌(non
‑
smal cell lung cancer,NSCLC)约占所有肺癌的85%。手术切除肿瘤仍然是I期到Ⅲa期非小细胞肺癌的首选治疗方式,但术后预后迥异。临床需要对患者术后的预后情况精准评估进行复发或死亡风险分层，以指导临床制定个性化治疗和随访方案，辅助临床决策。术前准确的诊断、评估和预后预测是获得精准治疗决策的基础。目前，临床上评价NSCLC预后主要基于美国癌症联合会(American Joint Committeeon CancerAJCC)建立的TNM 分期系统(T：肿瘤：N：淋巴结：M：远处转移);然而临床实践发现肿瘤完全切除后，即使相同分期，NSCLC患者的预后也存在较大差导：因此临床破需结准的预后评估方法，随着人工智能技术广涉应用干医学用像领域影像组学和病理组学技术应运而生并且为解决上述问题提供了新思路。
[0003]目前影像组学和病理组学已经分别在肺癌的诊断与鉴别诊断、分级分期、预后预测和疗效评估等专利
都取得了优异的专利技术成果并且形成了较为成熟的技术架构,融合影像组学和病理组学技术构建预测早期可手术切除肺癌的病理分级和预测预后的模型不仅可以从多维度、实时、无创地反映肿瘤的异质性，并且可以为临床医生精准诊疗方案的制定提供重要依据目前尚未见报道。
[0004]因此本专利技术拟基于肺癌患者术前胸部增强CT图像，利用影像组学技术，提取肺癌病灶CT的影像定量特征，结合术后数字病理图像，融合影像组学和病理组学的方法，提取IA
‑
I期肺癌患者木前胸部增强CT影像组学特征与病理全玻片电子扫描病理组学特征，筛选出与肺癌术前分期和术后2年生存风险相关的影像组学与病理组学特征，结合临床指标建立肺癌分期和术后2年生存风险预后模型，探索肺癌术后预后精准预测的新生物学指标和标志物，筛选手术治疗优势人群，辅助临床决策。

技术实现思路

[0005]根据本专利技术第一方面，本专利技术请求保护一种基于ROI病灶特征的肺癌影响评价方法，包括：基于回顾性专利技术队列的病理切片数据得到回顾风险因子数据；通过前瞻性专利技术队列的病理切片数据与所述回顾风险因子数据，得到前瞻病灶ROI；对所述前瞻病灶ROI进行前瞻性队列评价，获得所述前瞻性专利技术队列的评价结果；其中，所述回顾性专利技术队列与所述前瞻性专利技术队列分别为标签提取队列与感兴趣
区分割队列；其中，所述回顾性专利技术队列的病理切片数据与所述前瞻性专利技术队列的病理切片数据，均是基于待评价队列数据得到的。
[0006]进一步地，所述方法还包括：基于所述前瞻性专利技术队列的病理切片数据得到前瞻风险因子数据；通过所述回顾性专利技术队列的病理切片数据与所述前瞻风险因子数据，得到回顾病灶ROI；对所述回顾病灶ROI进行回顾性队列评价，获得所述回顾性专利技术队列的评价结果；所述前瞻性专利技术队列为感兴趣区分割队列；其中，所述基于回顾性专利技术队列的病理切片数据得到回顾风险因子数据，包括：基于所述标签提取队列的病理切片数据得到第三风险因子数据；通过所述第三风险因子数据，分别得到肺癌患者自身特征数据与其他肺癌患者特征数据；重组所述肺癌患者自身特征数据与所述其他肺癌患者特征数据，得到所述回顾风险因子数据。
[0007]进一步地，所述得到前瞻病灶ROI，以及所述得到回顾病灶ROI，包括：通过执行如下操作，得到所述回顾病灶ROI与所述前瞻病灶ROI，如下操作中i的初始取值为1，N为正整数：基于病灶ROIIF1_i得到风险因子数据X1；基于病灶ROIIF2_i得到风险因子数据X2；通过所述病灶ROIIF1_i与所述风险因子数据X2，得到病灶ROIOF1_i；通过所述病灶ROIIF2_i与所述风险因子数据X1，得到病灶ROIOF2_i；判断i的取值是否等于N，若否，将i的取值加1，并将病灶ROIOF1_(i
‑
1)作为病灶ROIIF1_i，将病灶ROIOF2_(i
‑
1)作为病灶ROIIF2_i，转到基于病灶ROIIF1_i得到风险因子数据X1的步骤，若是，将病灶ROIOF1_i作为所述回顾病灶ROI，将病灶ROIOF2_i作为所述前瞻病灶ROI；其中，当i的取值为1时，病灶ROIIF1_i为所述回顾性专利技术队列的病理切片数据，病灶ROIIF2_i为所述前瞻性专利技术队列的病理切片数据。
[0008]进一步地，所述回顾性专利技术队列为标签提取队列，所述前瞻性专利技术队列为感兴趣区分割队列；其中，所述对所述回顾病灶ROI执行回顾性专利技术队列，包括：使用检测框预测模型评价所述回顾病灶ROI，获得所述回顾病灶ROI的标签提取预测结果；其中，所述对所述前瞻病灶ROI进行前瞻性队列评价，获得所述前瞻性专利技术队列的评价结果，包括：使用LASSO回归模型评价所述前瞻病灶ROI，获得所述前瞻病灶ROI的LASSO回归结果，其中，所述LASSO回归模型是利用检测组内相关系数训练得到的，所述检测组内相
关系数通过标签提取标签数据对所述LASSO回归模型的输出进行约束，其中，所述标签提取标签数据用于训练所述检测框预测模型；所述检测组内相关系数包括其他肺癌患者检测组内相关系数与肺癌患者自身检测组内相关系数，其中，所述其他肺癌患者检测组内相关系数通过所述标签提取标签数据对所述LASSO回归模型输出的预测结果的其他肺癌患者数据进行约束，所述肺癌患者自身检测组内相关系数通过所述标签提取标签数据对所述LASSO回归模型输出的预测结果的肺癌患者自身数据进行约束；所述通过前瞻性专利技术队列的病理切片数据与所述回顾风险因子数据，得到前瞻病灶ROI，包括：通过使用卷积层评价所述前瞻性专利技术队列的病理切片数据与所述回顾风险因子数据，得到所述前瞻病灶ROI。
[0009]进一步地，所述基于所述标签提取队列的病理切片数据得到第三风险因子数据，包括：通过使用卷积层评价所述标签提取队列的病理切片数据，得到所述第三风险因子数据；所述通过所述第三风险因子数据，分别得到肺癌患者自身特征数据与其他肺癌患者特征数据，包括：通过使用池化层评价所述第三风险因子数据，得到所述肺癌患者自身特征数据与所述其他肺癌患者特征数据。
[0010]根据本专利技术第二实施例，本专利技术请求保护一种基于ROI病灶特征的肺癌影响评价系统，包括：风险因子构建模块，基于回顾性专利技术队列的病理切片数据得到回顾风险因子数据；ROI决策模块，通过前瞻性专利技术队列的病理切片数据与所述回顾风险因子数据，得到前瞻病灶ROI；评价模块，对所述前瞻病灶ROI进行前瞻性队列评价，获得所述前瞻性专利技术队列的评价结果；其中，所述回顾性专利技术队列与所述前瞻性专利技术队列分别为标签提取队列与感兴趣区分割队列；其中，所述回顾性专利技术队列的病理切片数据与所述前瞻性专利技术队列的病理切片数据，均是基于待评价队列数据得到的。
[0011]进一步地，所述方法还包括：基于所述前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ROI病灶特征的肺癌影响评价方法，其特征在于，包括：基于回顾性发明队列的病理切片数据得到回顾风险因子数据；通过前瞻性发明队列的病理切片数据与所述回顾风险因子数据，得到前瞻病灶ROI；对所述前瞻病灶ROI进行前瞻性队列评价，获得所述前瞻性发明队列的评价结果；其中，所述回顾性发明队列与所述前瞻性发明队列分别为标签提取队列与感兴趣区分割队列；其中，所述回顾性发明队列的病理切片数据与所述前瞻性发明队列的病理切片数据，均是基于待评价队列数据得到的。2.如权利要求1所述的一种基于ROI病灶特征的肺癌影响评价方法，其特征在于，所述方法还包括：基于所述前瞻性发明队列的病理切片数据得到前瞻风险因子数据；通过所述回顾性发明队列的病理切片数据与所述前瞻风险因子数据，得到回顾病灶ROI；对所述回顾病灶ROI进行回顾性队列评价，获得所述回顾性发明队列的评价结果；所述前瞻性发明队列为感兴趣区分割队列；其中，所述基于回顾性发明队列的病理切片数据得到回顾风险因子数据，包括：基于所述标签提取队列的病理切片数据得到第三风险因子数据；通过所述第三风险因子数据，分别得到肺癌患者自身特征数据与其他肺癌患者特征数据；重组所述肺癌患者自身特征数据与所述其他肺癌患者特征数据，得到所述回顾风险因子数据。3.如权利要求2所述的一种基于ROI病灶特征的肺癌影响评价方法，其特征在于，所述得到前瞻病灶ROI，以及所述得到回顾病灶ROI，包括：通过执行如下操作，得到所述回顾病灶ROI与所述前瞻病灶ROI，如下操作中i的初始取值为1，N为正整数：基于病灶ROIIF1_i得到风险因子数据X1；基于病灶ROIIF2_i得到风险因子数据X2；通过所述病灶ROIIF1_i与所述风险因子数据X2，得到病灶ROIOF1_i；通过所述病灶ROIIF2_i与所述风险因子数据X1，得到病灶ROIOF2_i；判断i的取值是否等于N，若否，将i的取值加1，并将病灶ROIOF1_(i
‑
1)作为病灶ROIIF1_i，将病灶ROIOF2_(i
‑
1)作为病灶ROIIF2_i，转到基于病灶ROIIF1_i得到风险因子数据X1的步骤，若是，将病灶ROIOF1_i作为所述回顾病灶ROI，将病灶ROIOF2_i作为所述前瞻病灶ROI；其中，当i的取值为1时，病灶ROIIF1_i为所述回顾性发明队列的病理切片数据，病灶ROIIF2_i为所述前瞻性发明队列的病理切片数据。4.如权利要求3所述的一种基于ROI病灶特征的肺癌影响评价方法，其特征在于，所述回顾性发明队列为标签提取队列，所述前瞻性发明队列为感兴趣区分割队列；其中，所述对所述回顾病灶ROI执行回顾性发明队列，包括：使用检测框预测模型评价所述回顾病灶ROI，获得所述回顾病灶ROI的标签提取预测结
果；其中，所述对所述前瞻病灶ROI进行前瞻性队列评价，获得所述前瞻性发明队列的评价结果，包括：使用LASSO回归模型评价所述前瞻病灶ROI，获得所述前瞻病灶ROI的LASSO回归结果，其中，所述LASSO回归模型是利用检测组内相关系数训练得到的，所述检测组内相关系数通过标签提取标签数据对所述LASSO回归模型的输出进行约束，其中，所述标签提取标签数据用于训练所述检测框预测模型；所述检测组内相关系数包括其他肺癌患者检测组内相关系数与肺癌患者自身检测组内相关系数，其中，所述其他肺癌患者检测组内相关系数通过所述标签提取标签数据对所述LASSO回归模型输出的预测结果的其他肺癌患者数据进行约束，所述肺癌患者自身检测组内相关系数通过所述标签提取标签数据对所述LASSO回归模型输出的预测结果的肺癌患者自身数据进行约束；所述通过前瞻性发明队列的病理切片数据与所述回顾风险因子数据，得到前瞻病灶ROI，包括：通过使用卷积层评价所述前瞻性发明队列的病理切片数据与所述回顾风险因子数据，得到所述前瞻病灶ROI。5.如权利要求4所述的一种基于ROI病灶特征的肺癌影响评价方法，其特征在于，所述基于所述标签提取队列的病理切片数据得到第三风险因子数据，包括：通过使用卷积层评价所述标签提取队列的病理切片数据，得到所述第三风险因子数据；所述通过所述第三风险因子数据，分别得到肺癌患者自身特征数据与其他肺癌患者特征数据，包括：通过使用池化层评价所述第三风险因子数据，得到所述肺癌患者自身特征数据与所述其他肺癌患者特征数据。6.一种基于ROI病灶特征的肺癌影响...

【专利技术属性】
技术研发人员：王友于，白义凤，彭盛坤，刘翔，冯刚，
申请(专利权)人：四川省医学科学院，
类型：发明
国别省市：