【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于ct影像组学的肾结石风险预测方法及系统。
技术介绍
1、泌尿系结石是泌尿外科最常见疾病，发病率及复发率高，肾结石是其中最常见的类型。目前，大多数肾结石患者因肾绞痛、血尿等症状就诊，或在体检、诊治其他疾病时偶然发现，在诊断时往往较晚，不利于肾结石的治疗，有研究报道约50％的有症状结石患者需要接受手术干预。因此，预防对于肾结石疾病的管理至关重要。筛查高危人群是预防肾结石的关键，它有利于早期干预，如饮食调节从而减少发病率；有利于及时发现结石，使患者能够及时接受治疗，从而有利于控制疾病并限制手术损伤。
2、电子计算机断层扫描(computed tomography,ct)是诊断肾结石的金标准，也是肾绞痛患者的首选影像学评估方法。然而，对于一些结石较小的患者，由于ct扫描层厚或影像科医师的忽视而被漏诊。在国外，每年约有200万人因肾绞痛或与结石相关的背部疼痛前往急诊科就诊，约有一半的人接受ct检查，仅有20％被诊断患有肾结石。因此，迫切需要一种有效的方法来辅助筛查高危人群。研究者尝试通过医学影像筛选肾结石高风险人群，如监测肾乳头ct值并进行数据跟踪。
3、然而，通过ct检测肾结石时，如果肾结石的直径过小，小于ct扫描层厚或重建层厚，则无法被发现；并且，ct无法筛选出肾结石高风险人群。测量肾乳头ct值有助于筛选肾结石高风险人群，但现有研究仅提出肾乳头ct值增高会增加肾结石风险，无法预测罹患结石风险的概率，导致难以对是否患肾结石的预测结果进行解释；此外，仅测量肾乳头ct值可能会导
技术实现思路
1、本专利技术的目的是针对上述现有技术的不足，提出一种基于ct影像组学的肾结石风险预测方法及系统，能够提高肾结石预测的精确度，以及提高肾结石预测的可解释性。
2、第一方面，本专利技术提供了一种基于ct影像组学的肾结石风险预测方法，包括：
3、分别采集多名患者多轴面的ct图像，对所述ct图像勾画感兴趣区域，得到感兴趣区域结果，对所述感兴趣区域结果提取目标影像组学特征；
4、分别采集多名患者的临床变量，基于单因素分析模型，分别获取临床变量影像患肾结石的独立风险，再基于多因素分析模型，对所述独立风险的交叉影响因素进行控制，得到独立风险因素；
5、将所述目标影像组学特征与所述独立风险因素进行组合，得到组合特征，基于预测模型，获取所述组合特征对应风险预测的分类结果；
6、根据所述组合特征构建列线图，并根据所述列线图对所述分类结果进行概率可视化，得到风险概率，并根据所述风险概率对应的风险描述，为所述分类结果进行解释。
7、本专利技术通过获取肾组织多轴面的ct图像来全方面检测肾组织，避免有用的ct图像信息遗漏，从而能够提高肾结石风险预测的准确度；并且，采用预测模型对临床变量先获取影响患肾结石的独立风险，然后再基于相同的预测模型，对影响独立风险的交叉影响因素进行控制，以获取更加精确的独立风险因素，从而能够进一步提高肾结石风险预测的准确度；接着，结合ct图像的目标影像组学特征和独立风险因素进行风险预测，并采用列线图获取风险概率，根据风险概率对应的风险描述对分类结果进行解释，能够提高肾结石风险预测的可解释性。
8、进一步，所述基于单因素分析模型，分别获取临床变量影像患肾结石的独立风险，再基于多因素分析模型，对所述独立风险的交叉影响因素进行控制，得到独立风险因素，包括：
9、将临床变量依次输入到单因素分析模型中，分别输出对应单因素影像患肾结石的第一显著性差异指标，将满足预设指标阈值的第一显著性差异指标的对应临床变量输入到多因素分析模型中，对单因素之间的交叉影响因素进行控制，输出第二显著性差异指标，根据所述第二显著性差异指标，从所述临床变量中选出独立风险因素。
10、进一步，所述根据所述组合特征构建列线图，并根据所述列线图对所述分类结果进行概率可视化，得到风险概率，包括：
11、分别获取所述目标影像组学特征和所述独立风险因素在列线图中的分值，对应得到目标影像组学特征分值和独立风险因素分值，获取所述目标影像组学特征分值和所述独立风险因素分值的总分值，根据所述总分值获取对应的风险概率。
12、进一步，获取所述目标影像组学特征分值，包括：
13、根据所述目标影像组学特征的系数，对所述目标影像组学特征进行加权，得到目标影像组学特征分值；
14、其中，所述目标影像组学特征分值表示为：
15、radiomics score＝a1*f1+a2*f2+...+ai*fi+b；
16、其中，a1至ai为目标影像组学特征的系数，f1至fi为目标影像组学特征；目标影像组学特征的个数为i；b为截距。
17、进一步，所述基于所述预测模型，获取所述组合特征对应风险预测的分类结果，包括：
18、将所述组合特征输入到基于所述预测模型的影像组学模型中，输出所述组合特征对应风险预测的分类结果；所述影像组学模型是根据输入所述目标影像组学特征和所述目标影像组学特征对应的截距进行训练后得到的。
19、进一步，所述影像组学模型是根据输入所述目标影像组学特征和所述目标影像组学特征对应的截距进行训练后得到的，包括：
20、获取所述目标影像组学特征和所述目标影像组学特征对应的截距的训练集和验证集，根据所述训练集和所述验证集分别对多个不同机器学习的算法模型进行训练和验证，并选择训练结果与验证结果的auc指标差值最小的算法模型作为所述影像组学模型。
21、本专利技术根据auc值以及训练集和验证集之间的auc差值最小的算法模型为来选择最终的影像组学模型，能够保证影像组学模型的稳定性和泛化能力，从而提高风险预测的准确度。
22、进一步，所述对所述感兴趣区域结果提取目标影像组学特征，包括：
23、提取所述感兴趣区域的多个影像组学特征，并通过两名专家对同一影像组学特征进行提取，分别得到两组提取结果，对所述两组提取结果评估组内一致性，得到目标影像组学特征；所述多个影像组学特征包括：一阶特征、形状特征和纹理特征。
24、进一步，所述对所述两组提取结果评估组内一致性，得到目标影像组学特征，包括：
25、保留组内相关系数不小于预设阈值的影像组学特征，得到多个候选影像组学特征，并对所述多个候选影像组学特征进行数据降维或参数压缩，筛选出与患肾结石相关性最高的多个目标影像组学特征。
26、进一步，所述分别采集多名患者多轴面的ct图像，对所述ct图像勾画感兴趣区域，得到感兴趣区域结果，包括：
27、分别采集多名患者肾组织多轴面的ct图像，所述ct图像包括：肾组织的横截面、冠状面和矢状面的ct图像；
28、通过预设的图像阈值同时遮蔽所述横截面、所述冠状面和所述矢状面的ct图像中的肾组织周围空气和脂肪组织，并分别进行肾组织勾画，得到感兴趣区域。...
【技术保护点】
1.一种基于CT影像组学的肾结石风险预测方法，其特征在于，包括：
2.如权利要求1所述的基于CT影像组学的肾结石风险预测方法，其特征在于，所述基于单因素分析模型，分别获取临床变量影像患肾结石的独立风险，再基于多因素分析模型，对所述独立风险的交叉影响因素进行控制，得到独立风险因素，包括：
3.如权利要求1所述的基于CT影像组学的肾结石风险预测方法，其特征在于，所述根据所述组合特征构建列线图，并根据所述列线图对所述分类结果进行概率可视化，得到风险概率，包括：
4.如权利要求3所述的基于CT影像组学的肾结石风险预测方法，其特征在于，获取所述目标影像组学特征分值，包括：
5.如权利要求1所述的基于CT影像组学的肾结石风险预测方法，其特征在于，所述基于所述预测模型，获取所述组合特征对应风险预测的分类结果，包括：
6.如权利要求5所述的基于CT影像组学的肾结石风险预测方法，其特征在于，所述影像组学模型是根据输入所述目标影像组学特征和所述目标影像组学特征对应的截距进行训练后得到的，包括：
7.如权利要求1所述的基于CT影像
8.如权利要求7所述的基于CT影像组学的肾结石风险预测方法，其特征在于，所述对所述两组提取结果评估组内一致性，得到目标影像组学特征，包括：
9.如权利要求1所述的基于CT影像组学的肾结石风险预测方法，其特征在于，所述分别采集多名患者多轴面的CT图像，对所述CT图像勾画感兴趣区域，得到感兴趣区域结果，包括：
10.一种基于CT影像组学的肾结石风险预测系统，其特征在于，包括：目标影像组学特征提取单元、独立风险因素提取单元、分类结果获取单元和解释单元；其中，
...【技术特征摘要】
1.一种基于ct影像组学的肾结石风险预测方法，其特征在于，包括：
2.如权利要求1所述的基于ct影像组学的肾结石风险预测方法，其特征在于，所述基于单因素分析模型，分别获取临床变量影像患肾结石的独立风险，再基于多因素分析模型，对所述独立风险的交叉影响因素进行控制，得到独立风险因素，包括：
3.如权利要求1所述的基于ct影像组学的肾结石风险预测方法，其特征在于，所述根据所述组合特征构建列线图，并根据所述列线图对所述分类结果进行概率可视化，得到风险概率，包括：
4.如权利要求3所述的基于ct影像组学的肾结石风险预测方法，其特征在于，获取所述目标影像组学特征分值，包括：
5.如权利要求1所述的基于ct影像组学的肾结石风险预测方法，其特征在于，所述基于所述预测模型，获取所述组合特征对应风险预测的分类结果，包括：
6.如权利要求5所...
【专利技术属性】
技术研发人员：郑思捷，公钰玲，周洁琼，吴文起，朱波，聂宇溪，
申请(专利权)人：广州医科大学附属第二医院，
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。