【技术实现步骤摘要】
本专利技术属于医学影像辅助诊断模型，具体涉及一种基于ct影像组学特征序列的辅助诊断方法。
技术介绍
1、ct(computed tomography)影像，即电子计算机断层扫描，它是利用精确准直的x线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查。
2、放射科医生通常通过对ct影像图层连续滑动变换，通过经验知识分析图像纹理变化和层间聚焦区域的特征变化来寻找诊断证据，定位病灶区域和诊断的阅片过程。
3、另外，影像组学是一种具有发展前景且非常热门的诊断方法，通过借助数学和统计学的方法，高通量的从感兴趣区的影像数据中提取有特征性的空间数据，捕获可能被肉眼忽略的有价值的病灶信息，来提高疾病诊断的准确性，具有实时、客观、无创等优势。
4、但是，目前，基于ct影像的辅助诊断相关方法，大多是针对单张图像或者3d整体进行的分析决策。较难实现进一步发掘规则，且与放射科医生正确阅片逻辑有差异。
技术实现思路
1、本专利技术针对现有的ct影像的辅助诊断相关方法与放射科医生正确阅片逻辑有差异的技术问题，目的在于提供一种基于ct影像组学特征序列的辅助诊断方法。
2、一种基于ct影像组学特征序列的辅助诊断方法，包括：
3、获取ct影像，对所述ct影像中的每张ct图像计算对应病灶区域的影像组学特征和放射组学特征，合并所述影像组学特征和所述放射组学特征并提取关键
4、按照病灶在所述ct影像中涉及的对应ct图像在序列中的排列顺序，将所述关键特征逐层连接构建成特征序列，形成序列数据集；
5、将所述序列数据集输入预设的分类模型中进行分析，得到辅助诊断结果。
6、作为优选方案，所述ct图像为已对病灶标注的ct图像。
7、作为优选方案，所述合并所述影像组学特征和所述放射组学特征并提取关键特征，包括：
8、将所述影像组学特征和所述放射组学特征的分类数据转换为数字数据；
9、通过最小冗余最大相关性方法选择前若干个特征作为所述关键特征。
10、作为优选方案，选择前50个特征作为所述关键特征。
11、作为优选方案，所述合并所述影像组学特征和所述放射组学特征并提取关键特征之前，包括：
12、计算所有所述放射组学特征的方差，删除方差结果小于第一预设值的所述放射组学特征。
13、作为优选方案，所述计算所有所述放射组学特征的方差，删除方差结果小于第一预设值的所述放射组学特征之后，还包括：
14、计算剩余所述放射组学特征的相关性强度，删除绝对值大于第二预设值的所述放射组学特征；
15、将剩余的所述放射组学特征与所述影像组学特征进行合并。
16、作为优选方案，所述分类模型包括依次连接的：
17、一bi-lstm层；
18、一多头注意力模型。
19、作为优选方案，所述分类模型还包括连接在所述多头注意力模型之后的：
20、一展平网络；
21、一分类器。
22、作为优选方案，所述展平网络包括：
23、一展平层；
24、若干层全连接层。
25、作为优选方案，所述全连接层为三层，三层所述全连接层的神经元依次为128、64和32。
26、本专利技术的积极进步效果在于：本专利技术采用基于ct影像组学特征序列的辅助诊断方法，具有如下优点：
27、1、本专利技术的方法与放射科医生的常规胶片读取和诊断程序一致，本专利技术有效地降低模型的复杂性，提高模型和结果的可解释性。同时，本专利技术的结果也可能为诊断决策规则的挖掘和可解释性提供便利。
28、2、本专利技术将影像组学特征和放射组学特征进行合并，通过分析病变ct图像中放射学和放射组学特征的变化规律，结合分类模型，对基于ct影像的疾病诊断有积极作用。
29、3、本专利技术的分类模型采用基于bi-lstm层和多头注意力的模型，基于bi-lstm层可以准确地学习病变连续层ct图像中所选放射组学特征的变化规律，利用多头注意力增强了变化规则序列的学习能力，使模型参数具有更好的泛化能力，可以减少过拟合。
本文档来自技高网...【技术保护点】
1.一种基于CT影像组学特征序列的辅助诊断方法，其特征在于，包括：
2.如权利要求1所述的基于CT影像组学特征序列的辅助诊断方法，其特征在于，所述CT图像为已对病灶标注的CT图像。
3.如权利要求1所述的基于CT影像组学特征序列的辅助诊断方法，其特征在于，所述合并所述影像组学特征和所述放射组学特征并提取关键特征，包括：
4.如权利要求3所述的基于CT影像组学特征序列的辅助诊断方法，其特征在于，通过最小冗余最大相关性方法选择前50个特征作为所述关键特征。
5.如权利要求3所述的基于CT影像组学特征序列的辅助诊断方法，其特征在于，所述合并所述影像组学特征和所述放射组学特征并提取关键特征之前，包括：
6.如权利要求5所述的基于CT影像组学特征序列的辅助诊断方法，其特征在于，所述计算所有所述放射组学特征的方差，删除方差结果小于第一预设值的所述放射组学特征之后，还包括：
7.如权利要求1至6中任意一项所述的基于CT影像组学特征序列的辅助诊断方法，其特征在于，所述分类模型包括依次连接的：
8.如权利要求7所述
9.如权利要求8所述的基于CT影像组学特征序列的辅助诊断方法，其特征在于，所述展平网络包括：
10.如权利要求9所述的基于CT影像组学特征序列的辅助诊断方法，其特征在于，所述全连接层为三层，三层所述全连接层的神经元依次为128、64和32。
...【技术特征摘要】
1.一种基于ct影像组学特征序列的辅助诊断方法，其特征在于，包括：
2.如权利要求1所述的基于ct影像组学特征序列的辅助诊断方法，其特征在于，所述ct图像为已对病灶标注的ct图像。
3.如权利要求1所述的基于ct影像组学特征序列的辅助诊断方法，其特征在于，所述合并所述影像组学特征和所述放射组学特征并提取关键特征，包括：
4.如权利要求3所述的基于ct影像组学特征序列的辅助诊断方法，其特征在于，通过最小冗余最大相关性方法选择前50个特征作为所述关键特征。
5.如权利要求3所述的基于ct影像组学特征序列的辅助诊断方法，其特征在于，所述合并所述影像组学特征和所述放射组学特征并提取关键特征之前，包括：
6.如权利要求5所述...
【专利技术属性】
技术研发人员：任和，王佳怡，李萍，任近静，凌晨，
申请(专利权)人：上海健康医学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。