【技术实现步骤摘要】
本专利技术属于肿瘤影像标志物，具体涉及一种预测直肠腺癌新辅助治疗疗效的系统及存储介质。
技术介绍
1、局部晚期中低位直肠癌(larc)是指距直肠缘≤10cm的直肠肿瘤，分期为t3或t4或n+、m0期。由于直肠与盆腔结构和器官之间的空间狭小，直肠内无浆膜，手术中难以获得足够的环周切缘，larc局部复发率极高，保肛率低,以及有更高的并发症发生率。因此，新辅助治疗(ncrt)，包括术前放化疗、全直肠系膜切除术(tme)加术后辅助治疗(三明治模式)、新辅助治疗加tme(tnt模式)等已成为中美等国家指南的推荐治疗方式。与手术加术后辅助化疗相比，ncrt显着降低了局部复发率，提高了r0切除率，延长了larc患者的生存期。此外，与传统的术后辅助治疗相比，ncrt具有更好的局部控制率，并且仅与较少的不良反应相关。
2、larc患者术前新辅助治疗的病理完全缓解率约为20％。另一方面，有研究表明，ncrt联合免疫治疗的病理完全缓解率可高于40％，明显/中度复治患者的比例可在20％-30％之间，因此ncrt具有显着的降期作用。然而，ncrt也可能导致严重的不良反应，如大便失禁、胃排空障碍、放射性肠炎、性功能障碍、骨髓抑制、胃肠道副反应和神经毒性等。此外，一小部分患者对治疗没有反应，他们对放射和化学疗法/免疫疗法不敏感。因此，能够在术前准确地评估新辅助治疗的效果并制定个体化治疗是至关重要的，尤其是对治疗敏感的患者。
3、影像组学分析使用数据表征算法从医学图像中提取大量可挖掘特征，有可能发现仅靠人类视觉难以识别的疾病特征。在过去
4、因此，如何选择更加适用于预测直肠腺癌新辅助治疗疗效的影像学标志物并构建对应的影像学标志物模型，提高其预测性能，这仍然是本领域亟需解决的问题。
技术实现思路
1、针对现有技术的问题，本专利技术提供一种预测直肠腺癌新辅助治疗疗效的系统及存储介质，目的在于通过优选的影像标志物，实现对直肠腺癌新辅助治疗疗效进行更加准确的预测。
2、一种预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，包括如下步骤：
3、步骤1，输入直肠腺癌治疗前和后的t1和t2 mri图像；
4、步骤2，从mri图像中分割得到肿瘤区域；
5、步骤3，从所述肿瘤区域中分别提取影像组学特征，通过治疗前后的影像组学特征做差值计算，得到δ影像组学特征；
6、步骤4，基于所述δ影像组学特征，实施smote算法进行数据平衡处理，并使用xgboost算法筛选出有价值的特征；
7、步骤5，基于筛选得到的有价值的特征，使用xgboost算法构建δ影像组学标志物模型。
8、优选的，步骤3中，使用pyradiomics提取影像组学特征。
9、优选的，步骤3中，使用pyradiomics提取得到105个影像组学特征。
10、优选的，步骤3中，所述差值计算具体为治疗后的影像组学特征减去治疗前的影像组学特征。
11、优选的，所述smote算法和xgboost算法均使用python语言实施。
12、优选的，步骤4中，筛选得到的价值的特征包括如下特征中的至少一种：t1δ肿瘤球形度、t2δ聚类集群、t2δ肿瘤球形度、t2δ归一化独立非均匀度、t1δ90百分位值。
13、优选的，步骤4中，筛选得到的价值的特征包括：t1δ肿瘤球形度、t2δ聚类集群、t2δ肿瘤球形度、t2δ归一化独立非均匀度、t1δ90百分位值。
14、本专利技术还提供一种预测直肠腺癌新辅助治疗疗效的系统，包括：
15、mri数据获取和存储模块，用于获取和存储直肠癌治疗前后的t1和t2mri图像；
16、肿瘤自动分割模块，用于从mri图像中分割得到肿瘤区域；
17、影像组学模块，用于从所述肿瘤区域中分别提取影像组学特征，通过治疗前后的影像组学特征做差值计算，得到δ影像组学特征；
18、诊断预测模块，用于计算根据上述预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法得到的δ影像组学标志物，并评估直肠腺癌新辅助治疗疗效。
19、本专利技术还提供一种计算机可读存储介质，其上存储有用于实现上述用于预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法的计算机程序，或用于实现上述预测直肠腺癌新辅助治疗疗效的系统的计算机程序。
20、本专利技术中，所述“影像学标志物模型”是一个基于影像学特征指标计算出来的具有可解释性的模型。该模型最后的诊断度量是计算得到的一个0-1范围的指标，指标数值越大，表明治疗疗效越差。
21、本专利技术基于影像组学技术，优选了一种新的用于预测直肠腺癌新辅助治疗疗效的影像学标志物模型。基于该影像学标志物模型能够实现基于mri图像的对直肠腺癌新辅助治疗疗效的准确、无创预测和评估，能够满足临床的应用需求，可以帮助解决医生进行治疗决策参考，降低患者的诊断成本，为该类疾病的临床治疗决策制定和患者管理提供技术支持。因此，本专利技术具有很好的应用前景。
22、显然，根据本专利技术的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本专利技术上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。
23、以下通过实施例形式的具体实施方式，对本专利技术的上述内容再作进一步的详细说明。但不应将此理解为本专利技术上述主题的范围仅限于以下的实例。凡基于本专利技术上述内容所实现的技术均属于本专利技术的范围。
本文档来自技高网...【技术保护点】
1.一种预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于，包括如下步骤：
2.按照权利要求1所述的预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于：步骤3中，使用Pyradiomics提取影像组学特征。
3.按照权利要求2所述的预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于：步骤3中，使用Pyradiomics提取得到105个影像组学特征。
4.按照权利要求1所述的预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于：步骤3中，所述差值计算具体为治疗后的影像组学特征减去治疗前的影像组学特征。
5.按照权利要求1所述的预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于：所述SMOTE算法和XGBoost算法均使用Python语言实施。
6.按照权利要求1所述的预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于：步骤4中，筛选得到的价值的特征包括如下特征中的至少一种：T1Δ肿瘤球形度、T2Δ聚类集群、T2Δ肿瘤球形度、T2Δ归一化独立非
7.按照权利要求6所述的预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于：步骤4中，筛选得到的价值的特征包括：T1Δ肿瘤球形度、T2Δ聚类集群、T2Δ肿瘤球形度、T2Δ归一化独立非均匀度、T1Δ90百分位值。
8.一种预测直肠腺癌新辅助治疗疗效的系统，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于：其上存储有用于实现权利要求1-7任一项所述的用于预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法的计算机程序，或用于实现权利要求8所述的预测直肠腺癌新辅助治疗疗效的系统的计算机程序。
...【技术特征摘要】
1.一种预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于，包括如下步骤：
2.按照权利要求1所述的预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于：步骤3中，使用pyradiomics提取影像组学特征。
3.按照权利要求2所述的预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于：步骤3中，使用pyradiomics提取得到105个影像组学特征。
4.按照权利要求1所述的预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于：步骤3中，所述差值计算具体为治疗后的影像组学特征减去治疗前的影像组学特征。
5.按照权利要求1所述的预测直肠腺癌新辅助治疗疗效的影像学标志物模型构建方法，其特征在于：所述smote算法和xgboost算法均使用python语言实施。
6.按照权...
【专利技术属性】
技术研发人员：姜泽坤，孙淼，侯峻枫，孟思睿，
申请(专利权)人：华西精创医疗科技成都有限公司，
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。