【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及肝病诊断领域，更确切地说，本专利技术涉及受试者中脂肪性肝炎和/或其并发症的诊断。具体而言，本专利技术涉及用于通过图像处理确定患有或发展为脂肪性肝炎的风险的设备和方法。
技术介绍
1、脂肪性肝炎是一种侵袭形式的脂肪肝疾病，尤其包括在非酒精性脂肪肝(nafld)谱中。脂肪性肝炎，特别是非酒精性脂肪性肝炎(nash)具有向肝纤维化发展的内在倾向，肝纤维化可向进行性肝瘢痕发展并导致肝硬化或向肝细胞癌(肝癌)发展。
2、nafld的特征在于肝脂肪变性的存在，即肝细胞内脂质的积累，所述脂肪变性在未使用脂肪生成药物或遗传性疾病或先天性代谢异常的情况下发展。nafld由两种病理亚型组成：脂肪肝(nafl)和nash。在nafl中，脂肪肝疾病的特征是肝脏中存在脂肪，但很少或没有炎症或肝损伤。在nash中，除肝脂肪变性外，还存在伴有或不伴有肝纤维化的肝细胞损伤(气球状突起)的炎症(chalasani n等，gastroenterology 2012；142:1592-609)。
3、肝癌是成人中最常见的原发性肝癌类型，是全球癌症相关死亡的第二大原因。肝细胞癌(hcc)占所有肝癌的70％至85％。nafld是世界上最普遍的慢性肝病，是hcc发展的既定危险因素。nafld相关hcc的患病率正在惊人地增加。在纽卡斯尔(英国)进行的一项研究报告称，2000年至2010年间，与nafld相关的hcc增加了十倍以上。到2030年，美国hcc发病率预计将上升137％，其中约20％的新病例与nafld有关。因此，迫切需要评估n
4、nafld、nash和hcc通常通过肝脏病理学家对活检获得的肝脏样本进行组织学检查来诊断。虽然肝活检仍然被认为是评估受试者肝脏状况存在和/或严重程度的金标准，但它确实有局限性，特别是由于观察者之间或观察者内部的再现性较差，以及可能与样本小有关的样本偏差。此外，肝活检是一种侵入性医疗程序，因此仍有并发症的风险和巨大的成本。
5、因此，仍然需要一种非侵入性方法来具体地和准确地评估受试者中的脂肪性肝炎(特别是nash)和/或其并发症的存在。具体地，这种非侵入性方法将代表一种方便和实用的方式来评估受试者中脂肪性肝炎(特别是nash)和/或其并发症的存在，以监测患有nafld或针对nash并发症的发展的nash的患者，并监测接受nash治疗的受试者的治疗反应。
技术实现思路
1、本专利技术涉及一种用于确定受试者患有或发展为脂肪性肝炎和/或其并发症的风险的计算机实现的方法，所述方法包括以下步骤：
2、-接收先前用医学成像技术获得的受试者的至少一个图像和先前从受试者获得的至少一个临床和/或生物学数据；
3、-计算所述至少一个图像上的脂肪浸润异质性的评分，所述脂肪浸润的评分是基于针对所述至少一个图像上定义的以包括至少一个骨骼肌的感兴趣区域(roi)获得的至少一个放射学特征来计算的，其中，所述至少一个放射学特征是能量；
4、-将所计算的脂肪浸润异质性的评分与先前从受试者获得的至少一个临床和/或生物学数据相组合；
5、-基于所计算的脂肪浸润异质性的评分与所述至少一个临床和/或生物学数据的组合来确定所述受试者患有或发展为脂肪性肝炎和/或其并发症的风险。
6、根据一个实施例，脂肪性肝炎是非酒精性脂肪性肝炎(nash)。
7、根据一个实施例，将所计算的脂肪浸润异质性的评分与受试者的所述至少一个临床和/或生物学数据相组合的步骤包括使用机器学习模型。
8、根据一个实施例，脂肪浸润的评分是基于能量和至少一个其他放射学特征计算的。
9、根据一个实施例，所述至少一个其他放射学特征是从图像像素或图像的至少一个区域获得的一阶灰度级统计数据。
10、根据一个实施例，所述至少一个其他放射学特征选自平均绝对偏差、均方根、均匀性、最小强度、最大强度、平均强度、中位数、强度范围、强度方差、强度标准差、偏度、峰度、方差和熵。
11、根据一个实施例，所述至少一个其他放射学特征是从图像的共现矩阵获得的二阶灰度级统计数据，所述二阶灰度级统计数据选自对比度、相邻图像区域或像素之间的相关性、能量、同质性第一类型、同质性第二类型、逆差矩、和平均值、和方差、和熵、自相关、聚类突出、聚类阴影、聚类趋势、相异性、归一化逆差矩、归一化逆差、逆方差；运行长度灰度级统计数据、短运行强调、长运行强调、运行百分比、灰度不均匀性、运行长度不均匀性、低灰度运行强调、高灰度运行强调、基于形状和尺寸的特征，如周长、横截面积、主轴长度、最大直径和体积；基于灰度尺寸区域矩阵的特征，例如小区域强调、大区域强调、强度可变性、尺寸区域可变性、区域百分比、低强度强调、高强度强调、低强度小区域强调、高强度小区域强调、低强度大区域强调和高强度大区域强调。在一个实施例中，二阶灰度级统计数据包含不同的特征子组，例如灰度共现矩阵(glcm)、灰度运行长度矩阵(glrlm)、灰度尺寸区域矩阵(glszm)和灰度距离区域矩阵(gldzm)、邻域灰度差分矩阵(ngtdm)或邻域灰度依赖矩阵(ngldm)。
12、根据一个实施例，脂肪浸润异质性的评分是能量和至少一个其他放射学特征的函数，所述能量和至少一个其他放射学特征每一个都由加权因子加权。
13、根据一个实施例，所述至少一个临床和/或生物学数据选自年龄、性别以及代谢相关不良事件的个人或家族史。
14、根据一个实施例，机器学习模型是随机森林。
15、根据一个实施例，脂肪性肝炎的并发症选自肝细胞癌(hcc)、纤维化(例如肝纤维化)、肝硬化和心血管疾病。
16、根据一个实施例，受试者患有选自代谢障碍状态、肥胖症、代谢综合征、超重和/或脂肪性肝病，特别是非酒精性脂肪性肝病(nafld)。
17、根据一个实施例，受试者患有nash。
18、根据一个实施例，医学成像技术是计算机断层扫描、磁共振成像或超声波。
19、本专利技术还涉及一种用于确定受试者患有或发展为脂肪性肝炎和/或其并发症的风险的设备，所述设备包括：
20、-至少一个输入端，其被配置为接收先前用医学成像技术获得的受试者的至少一个图像和先前从受试者获得的至少一个临床和/或生物学数据；
21、-至少一个处理器，其被被配置为：
22、·计算所述至少一个图像上的脂肪浸润异质性的评分，所述脂肪浸润的评分是基于针对所述至少一个图像上定义的以包括至少一个骨骼肌的感兴趣区域获得的至少一个放射学特征来计算的，其中，所述至少一个放射学特征是能量；
23、·将所计算的脂肪浸润异质性的评分与先前从受试者获得的至少一个临床和/或生物学数据相组合；
24、·基于所计算的脂肪浸润异质性的评分与所述至少一个临床和/或生物学数据的组合来确定所述受试者患有或发展nash和/或其并发本文档来自技高网...
【技术保护点】
1.一种用于确定受试者患有或发展为脂肪性肝炎和/或其并发症的风险的计算机实现的方法，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其中，将所计算的脂肪浸润异质性的的评分与受试者的所述至少一个临床和/或生物学数据相组合(13)包括使用机器学习模型。
3.根据权利要求1或2所述的方法，其中，所述脂肪浸润的评分是基于所述能量和至少一个其他放射学特征计算的。
4.根据权利要求3所述的方法，其中，所述至少一个其他放射学特征是从图像像素或所述图像的至少一个区域获得的一阶灰度级统计数据。
5.根据权利要求4所述的方法，其中，所述至少一个其他放射学特征选自：平均绝对偏差、均方根、均匀性、最小强度、最大强度、平均强度、中位数、强度范围、强度方差、强度标准差、偏度、峰度、方差和熵。
6.根据权利要求3所述的方法，其中，所述至少一个其他放射学特征是从所述图像的共现矩阵获得的二阶灰度级统计数据，所述二阶灰度级统计数据选自：对比度、相邻图像区域或像素之间的相关性、能量、同质性第一类型、同质性第二类型、逆差矩、和平均值、和方差、和熵、自相关
7.根据权利要求3至6中任一项所述的方法，其中，所述脂肪浸润异质性的评分是所述能量和至少一个其他放射学特征的函数，所述能量和至少一个其他放射学特征每一个都由加权因子加权。
8.根据权利要求1至7中任一项所述的方法，其中，所述至少一个临床数据选自年龄、性别以及代谢相关不良事件的个人或家族史。
9.根据权利要求1至8中任一项所述的方法，其中，所述机器学习模型是随机森林。
10.根据权利要求1至9中任一项所述的方法，其中，所述脂肪性肝炎的并发症选自肝细胞癌(HCC)、纤维化(例如肝纤维化)、肝硬化和心血管疾病。
11.根据权利要求1至10中任一项所述的方法，其中，所述受试者患有代谢障碍状态、肥胖症、代谢综合征、超重和/或脂肪性肝病，特别是非酒精性脂肪性肝病(NAFLD)。
12.根据权利要求1至11中任一项所述的方法，其中，所述受试者患有非酒精性脂肪性肝炎(NASH)。
13.根据权利要求1至12中任一项所述的方法，其中，所述医学成像技术是计算机断层扫描、磁共振成像或超声波。
14.一种用于确定受试者患有或发展为脂肪性肝炎和/或其并发症的风险的设备(1)，所述设备包括：
15.一种包含软件代码的计算机程序，所述软件代码在由处理器执行时，适用于执行根据权利要求1至13中的任一项所述的用于预测受试者患有或发展为脂肪性肝炎和/或其并发症的风险的方法。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于确定受试者患有或发展为脂肪性肝炎和/或其并发症的风险的计算机实现的方法，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其中，将所计算的脂肪浸润异质性的的评分与受试者的所述至少一个临床和/或生物学数据相组合(13)包括使用机器学习模型。
3.根据权利要求1或2所述的方法，其中，所述脂肪浸润的评分是基于所述能量和至少一个其他放射学特征计算的。
4.根据权利要求3所述的方法，其中，所述至少一个其他放射学特征是从图像像素或所述图像的至少一个区域获得的一阶灰度级统计数据。
5.根据权利要求4所述的方法，其中，所述至少一个其他放射学特征选自：平均绝对偏差、均方根、均匀性、最小强度、最大强度、平均强度、中位数、强度范围、强度方差、强度标准差、偏度、峰度、方差和熵。
6.根据权利要求3所述的方法，其中，所述至少一个其他放射学特征是从所述图像的共现矩阵获得的二阶灰度级统计数据，所述二阶灰度级统计数据选自：对比度、相邻图像区域或像素之间的相关性、能量、同质性第一类型、同质性第二类型、逆差矩、和平均值、和方差、和熵、自相关、聚类突出、聚类阴影、聚类趋势、相异性、归一化逆差矩、归一化逆差、逆方差；运行长度灰度级统计数据、短运行强调、长运行强调、运行百分比、灰度不均匀性、运行长度不均匀性、低灰度运行强调、高灰度运行强调、基于形状和尺寸的特征，例如周长、横截面积、主轴长度、最大直径和体积；基于灰度尺寸区域矩阵的特征，例如小区域强调、大区域强调、强度可变性、尺寸区域可变性、区域百分比、低强...
【专利技术属性】
技术研发人员：马克西姆·纳基特，伊莎贝尔·勒克莱尔，
申请(专利权)人：卢万天主教大学，
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。