一种基于影像组学的病变组织辅助预后系统和方法技术方案

一种基于影像组学的病变组织辅助预测系统及方法，该方法包括：从大数据量的患者影像数据库中，采用自动或手动的分割方法提取病变部位的影像数据；根据所述病变部位影像的分割结果，分别提取各病变部位的影像表型特征，完成所述患者影像数据库内所有病变部位影像数据的特征提取；基于各病变部位的特征数据和临床信息数据，对所述患者影像数据库中数据进行训练数据集和测试数据集的分类，采用计算机自动识别方法在所述训练数据集进行病变部位的病理分析、临床分期分析、基因突变预测以及生存时间的预测，并在所述测试数据集中实现验证。本发明专利技术方法可以对特定的个体分别进行定性以及定量的预测分析，提供可信的预测与分析结果。

【技术实现步骤摘要】

本专利技术涉及疾病诊断辅助
，更具体地涉及一种基于影像组学的病变组织辅助预后系统和方法。
技术介绍
医学影像作为一种无创的肿瘤早期诊断方法，已被广泛应用于各类癌症的辅助诊断中。目前使用影像信息进行临床辅助诊断往往依靠医生的主观经验，通过影像反映出的病人疾病影像特征给予相应诊断。然而医学影像中仍有待开发的揭示病变分期和预后的有价值信息。不同类型的肿瘤由于其病理特性在影像上的表现迥异，不同的肿瘤影像特征也预示着治疗方式完全不同，并直接影响着预后。目前通过影像手段实现肿瘤的预判都需要医生根据其主观的临床经验、病理切片以及血检等进行详细的检测得到临床检测结果。然而，基于现有的医学影像特征分析研究，某些多维纹理特征能够准确反映病变组织的病理学信息，对于实现个体化医疗具有重要的研究价值，所以一个完备的特征库对于后续关键特征筛选能够提供更全面的数据支持。因此采用计算机方法辅助完成病变的预测分析并给出可信的建议具有极高的实用意义。
技术实现思路
r>针对上述技术问题本文档来自技高网...

【技术保护点】
一种基于影像组学的病变组织辅助预测方法，其特征在于，包括以下步骤：步骤S101，从大数据量的患者影像数据库中，采用自动或手动的分割方法提取病变部位的影像数据；步骤S102，根据所述病变部位影像的分割结果，分别提取各病变部位的影像表型特征，完成所述患者影像数据库内所有病变部位影像数据的特征提取；步骤S103，基于各病变部位的特征数据和临床信息数据，对所述患者影像数据库中数据进行训练数据集和测试数据集的分类，采用计算机自动识别方法在所述训练数据集进行病变部位的病理分析、临床分期分析、基因突变预测以及生存时间的预测，并在所述测试数据集中实现验证。

【技术特征摘要】
1.一种基于影像组学的病变组织辅助预测方法，其特征在于，包括
以下步骤：
步骤S101，从大数据量的患者影像数据库中，采用自动或手动的分割
方法提取病变部位的影像数据；
步骤S102，根据所述病变部位影像的分割结果，分别提取各病变部位
的影像表型特征，完成所述患者影像数据库内所有病变部位影像数据的特
征提取；
步骤S103，基于各病变部位的特征数据和临床信息数据，对所述患者
影像数据库中数据进行训练数据集和测试数据集的分类，采用计算机自动
识别方法在所述训练数据集进行病变部位的病理分析、临床分期分析、基
因突变预测以及生存时间的预测，并在所述测试数据集中实现验证。
2.根据权利要求1所述的基于影像组学的病变组织辅助预测方法，
其特征在于，所述影像数据为CT、PET、磁共振或超声波影像设备采集得
到的影像数据。
3.根据权利要求1所述的基于影像组学的病变组织辅助预测方法，
其特征在于，所述病变部位包括肺部、肝脏或肾脏组织。
4.根据权利要求1所述的基于影像组学的病变组织辅助预测方法，
其特征在于，步骤S101中，所述自动的分割方法是通过计算机实现的基
于区域生长的方法、基于水平集的分割方法或基于图割的分割方法。
5.根据权利要求1所述的基于影像组学的病变组织辅助预测方法，
其特征在于，步骤S102中，所述影像特征包括：病变部位的形状特征、
病变部位的纹理特征和/或病变部位的肿块灰度特征。
6.根据权利要求1所述的基于影像组学的病变组织辅助预测方法，
其特征在于，步骤S103所述对患者影像数据库中数据进行训练数据集和
测试数据集的分类的步骤包括：
采用计算机自动分类识别方法，结合统计学知识和工具，建...

【专利技术属性】
技术研发人员：田捷，宋江典，董迪，臧亚丽，刘振宇，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11