【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种基于甲状腺超声图像的ptc分子标志物预测方法及设备。
技术介绍
1、甲状腺癌是全球第8大常见的癌症，在过去20年里发病率呈上升趋势，中国甲状腺癌总发病率高于世界发病率。
2、甲状腺乳头状癌(papillary carcinoma ofthe thyroid，ptc)是甲状腺癌最常见的类型，约占全部新发患者的92％。ptc的发生、发展通常与各种遗传改变的逐渐累积有关，包括：基因突变、基因表达调控因子的改变等。
3、目前，临床使用的ptc分子标志物主要包括braf v600e基因突变和ras基因点突变、ret/ptc重排以及tert启动子突变等，主要利用有创性操作获得标本如细针穿刺活检(fine-needle aspiration biopsy，fnab)或手术切除组织进行检测。
4、由于分子突变对甲状腺组织学特征的影响，不同分子突变的ptc可能表现出不同的超声特征，许多研究对ptc分子突变与超声特征之间的关系进行了探索，有助于从影像学的角度更早地预测ptc的侵袭性与患者预后。
5、目前现有技术通过实验室检查，具体有：dna序列分析法、pcr-rflp法、arms-pcr法、实时荧光pcr法、pcr-dhplc法、数字pcr法以及dna微阵列技术。
6、dna序列分析法通过对ptc基因外显子区域的pcr扩增和dna序列分析，可以检测ptc基因突变。这是最准确的方法，可以检测到所有的已知和未知突变。对于dna序列分析法，一般三级以下医院条件
7、pcr-rflp法利用限制内切酶识别位点的失活这一原理，通过酶切electrophoresis条带变化判断是否存在突变。该方法适用于已知的点突变。
8、arms-pcr法利用特异引物只能与突变序列或者野生型序列互补配对的原理，通过电泳条带判断是否扩增出产物。该方法也适用于已知的点突变。
9、对于pcr-rflp法、arms-pcr法，其三级以下医院核酸扩增条件基本可以满足，但凝胶成像系统和电泳条件可能略有不足。
10、实时荧光pcr法利用荧光探针技术检测pcr产物，可以对一些热点突变进行快速定性检测。对于实时荧光pcr，许多三级以下医院已经配备了实时荧光定量pcr仪，完全可以开展针对热点突变的实时荧光pcr检测。
11、pcr-dhplc法利用变性高效液相色谱技术检测pcr产物，可对未知突变进行筛查。pcr-dhplc法的技术门槛较高，需要专用的dhplc仪器，三级以下医院难以满足。
12、数字pcr法利用limiting dilution的原理绝对定量pcr产物，可以对染色体拷贝数变异进行检测。数字pcr法与普通pcr原理相似但仪器定制化更高，三级以下医院难以配备。
13、dna微阵列技术：通过设计突变型和野生型探针，进行杂交反应检测样本是否存在突变。dna微阵列技术作为高通量检测技术，成本及仪器条件三级以下医院较难满足。
技术实现思路
1、为了解决上述技术问题，本专利技术提出了一种基于甲状腺超声图像的ptc分子标志物预测方法及设备。
2、为了达到上述目的，本专利技术的技术方案如下：
3、一方面，本专利技术公开一种基于甲状腺超声图像的ptc分子标志物预测方法，包括：
4、步骤s1：收集若干患者的血清样本，检测相关分子标志物的表达水平，上述若干患者包括：患有甲状腺乳头状癌的患者和患有良性甲状腺疾病的患者；
5、步骤s2：采集步骤s1中若干患者的甲状腺超声图像，并对其进行特征提取，获得每个甲状腺超声图像的若干图像特征数据；
6、步骤s3：根据步骤s1获取的分子标志物的表达水平以及步骤s2获取的图像特征数据，训练预测模型；
7、预测模型用于基于图像特征数据，预测分子标志物的表达水平；
8、步骤s4：采集待检测患者的甲状腺超声图像，并对其进行特征提取，获取该患者的若干图像特征数据；
9、将图像特征数据输入预测模型，预测模型预测对应分子标志物的表达水平。
10、在上述技术方案的基础上，还可做如下改进：
11、作为优选的方案，步骤s1中，相关分子标志物包括：braf基因突变、tert基因扩增、ret/ptc重排、tert启动子突变中的一种或多种。
12、作为优选的方案，步骤s2中，若干图像特征数据包括：结节大小特征、回声特征、结节形态特征、边缘特征、钙化特征、血流丰富度特征中的一种或多种。
13、作为优选的方案，图像特征数据通过以下方法获得：
14、对于结节大小特征，采用三维最大径量化评估；
15、对于回声特征，采用比较同层正常甲状腺实质回声的方式进行量化评估；
16、对于结节形态特征，通过以下方法获得，包括：
17、步骤a1：在甲状腺超声图像上勾画结节边缘，获取结节区域；
18、步骤a2：测量结节区域的面积，记录为a；
19、步骤a3：以结节区域的几何中心为圆心，以结节的最大轴为半径，画出符合该结节最大外廓的圆；
20、步骤a4：计算该圆的面积，记录为b；
21、步骤a5：根据下式计算离散系数c；
22、c＝(b-a)/b；
23、步骤a6：利用离散系数量化评估结节形态特征；
24、对于边缘特征，通过以下方法获得，包括：
25、步骤b1：沿结节的最大轴选取若干个代表性切面，获得对应每个切面的图像；
26、步骤b2：在每个切面的图像上测量结节边缘若干个不同位点的厚度；
27、步骤b3：计算每个位点边缘不清晰区域与整个结节最大径比值，得到若干个对应每个位点的比值；
28、步骤b4：计算所有比值的平均数，作为该切面的图像的边缘清晰度指数；
29、步骤b5：计算所有切面的图像的边缘清晰度指数的平均数，作为该结节的综合边缘清晰度指数；
30、步骤b6：利用综合边缘清晰度指数量化评估边缘特征；
31、对于钙化特征，通过以下方法获得，包括：
32、步骤c1：调整超声图像的参数，优化显示钙化灶；
33、步骤c2：在超声图像上勾画出钙化区域；
34、步骤c3：计算钙化区域的面积，记录为d；
35、步骤c4：测量整个病灶区域的面积，记录为e；
36、步骤c5：根据下式计算钙化面积占比f；
37、f＝d/e；
38、步骤c6：利用钙化面积占比量化评估钙化特征；
39、对于血流丰富度特征，采用半定量方法量化评估。
40、作为优选的方案，步骤s3中，采用利用支持向量机或随机森林算法建立预测模型。
41、此外，另一方面，本专利技术还公本文档来自技高网...
【技术保护点】
1.基于甲状腺超声图像的PTC分子标志物预测方法，其特征在于，包括：
2.根据权利要求1所述的PTC分子标志物预测方法，其特征在于，所述步骤S1中，相关分子标志物包括：BRAF基因突变、TERT基因扩增、RET/PTC重排、TERT启动子突变中的一种或多种。
3.根据权利要求1所述的PTC分子标志物预测方法，其特征在于，所述步骤S2中，若干图像特征数据包括：结节大小特征、回声特征、结节形态特征、边缘特征、钙化特征、血流丰富度特征中的一种或多种。
4.根据权利要求3所述的PTC分子标志物预测方法，其特征在于，所述图像特征数据通过以下方法获得：
5.根据权利要求1所述的PTC分子标志物预测方法，其特征在于，所述步骤S3中，采用利用支持向量机或随机森林算法建立预测模型。
6.基于甲状腺超声图像的PTC分子标志物预测设备，其特征在于，包括：
7.根据权利要求6所述的PTC分子标志物预测设备，其特征在于，所述收集模块中，相关分子标志物包括：BRAF基因突变、TERT基因扩增、RET/PTC重排、TERT启动子突变中的一
8.根据权利要求6所述的PTC分子标志物预测设备，其特征在于，所述采集模块中，若干图像特征数据包括：结节大小特征、回声特征、结节形态特征、边缘特征、钙化特征、血流丰富度特征中的一种或多种。
9.根据权利要求8所述的PTC分子标志物预测设备，其特征在于，所述图像特征数据通过以下模块获得：
10.根据权利要求6所述的PTC分子标志物预测设备，其特征在于，所述训练模块采用利用支持向量机或随机森林算法建立预测模型。
...【技术特征摘要】
1.基于甲状腺超声图像的ptc分子标志物预测方法，其特征在于，包括：
2.根据权利要求1所述的ptc分子标志物预测方法，其特征在于，所述步骤s1中，相关分子标志物包括：braf基因突变、tert基因扩增、ret/ptc重排、tert启动子突变中的一种或多种。
3.根据权利要求1所述的ptc分子标志物预测方法，其特征在于，所述步骤s2中，若干图像特征数据包括：结节大小特征、回声特征、结节形态特征、边缘特征、钙化特征、血流丰富度特征中的一种或多种。
4.根据权利要求3所述的ptc分子标志物预测方法，其特征在于，所述图像特征数据通过以下方法获得：
5.根据权利要求1所述的ptc分子标志物预测方法，其特征在于，所述步骤s3中，采用利用支持向量机或随机森林算法建立预测模型。
【专利技术属性】
技术研发人员：张家乐，姚毅，
申请(专利权)人：苏州雷泰医疗科技有限公司，
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。