中枢神经系统肿瘤影像数据的分析方法技术方案

本发明专利技术涉及一种中枢神经系统肿瘤影像数据的分析方法，包括：S1、获取所述中枢神经系统肿瘤影像数据；S2、采用LASSO算法自动提取出所述影像数据中的特征，并对所述特征进行线性组合得到第一分类概率，将所述第一分类概率作为第一分类维度；S3、根据所述特征基于随机森林算法生成若干棵决策树，再根据所述决策树得到第二分类概率，将所述第二分类概率作为第二分类维度；S4、将所述第一分类维度与所述第二分类维度作为第一二维特征，基于二维SVM算法得到第三分类概率，将所述第三分类概率作为第一分类结果，结合该分析方法提高了中枢神经系统肿瘤影分类的准确性。

Imaging data analysis of central nervous system tumors

The present invention relates to an analysis method for tumor image data of the central nervous system, including: S1, acquiring the tumor image data of the central nervous system; S2, automatically extracting features from the image data by using LASSO algorithm, and linear combination of the features to obtain the first classification probability, and summarizing the first classification. Rate is the first classification dimension; S3, according to the characteristics, a number of decision trees are generated based on the random forest algorithm, and then the second classification probability is obtained according to the decision tree, and the second classification probability is regarded as the second classification dimension; S4, the first classification dimension and the second classification dimension are regarded as the first two-dimensional features, the basis. The third classification probability is obtained by the two-dimensional SVM algorithm. The third classification probability is taken as the first classification result, and the accuracy of the central nervous system tumor shadow classification is improved by combining the method.

【技术实现步骤摘要】
中枢神经系统肿瘤影像数据的分析方法
本专利技术涉及医学影像领域，特别是涉及一种中枢神经系统肿瘤影像数据的分析方法。
技术介绍
中枢神经系统肿瘤是一种临床上常见的肿瘤，但由于部位的特殊性、肿瘤的高侵袭性、高复发率以及对传统放化疗的高耐药性，尽管手术、放疗和化疗技术不断进步，国内外有关的临床治疗效果在近30年里进展相当缓慢。随着信息技术的进步，医疗影像数据正呈现爆炸性增长的趋势。如何系统、全面地利用这些数据，不断创新生命科学理论与技术，研究其发生、发展及治疗抗性的机理，并进一步探索新的有效治疗方法。已成为医疗行业面临的新课题。中枢神经系统肿瘤的诊断具有相当的难度，因为该类肿瘤种类繁多，而在影像学上往往又具有很高的相似性，使得医生在判断肿瘤的类型或者恶性级别的时候具有相当的难度。如果不能准确判断肿瘤的这些特性，就无法确定最好的治疗方案。传统的中枢神经系统肿瘤诊断方法主要有两类：1、放射科医生通过查看核磁共振图像，并根据个人经验对肿瘤进行类别和恶性程度的判断。2、通过穿刺手术提取少量的肿瘤组织，然后使用各种病理分析方法，基因检测等手段做出诊断。传统的诊断方法存在以下几个问题：1、放射科医生通过查看医学影像做出判断的方法存在着很大的不确定性。因为医生每天要阅读大量的图像，其判断结果很容易受外在和内在因素干扰，无法一直保持高准确率的判断。另外，很多肿瘤在影像学中又具有很高的相似性，这又会在很大程度上造成较高的误判率；2、通过穿刺手术提取少量肿瘤组织进行病理检查的方法可以得到高准确率的诊断，但穿刺手术无法避免地会对病人的脑组织造成一定程度的创伤，会增加病人的痛苦，而且相比影像学检查，穿刺检查所需的时间长，无法大规模推广。
技术实现思路
基于此，有必要针对单纯从医学影像判断中枢神经系统肿瘤不准确的技术问题，提供一种中枢神经系统肿瘤影像数据的分析方法。一种中枢神经系统肿瘤影像数据的分析方法，包括：S1、获取所述中枢神经系统肿瘤影像数据；S2、采用LASSO算法(即套索算法)自动筛选出所述影像数据中的特征，并对所述特征进行线性组合得到第一分类概率，将所述第一分类概率作为第一分类维度；S3、根据所述特征基于随机森林算法(即RandomForest算法)生成若干棵决策树，再根据所述决策树得到第二分类概率，将所述第二分类概率作为第二分类维度；S4、将所述第一分类维度与所述第二分类维度作为第一二维特征，基于二维SVM算法(即支持向量机算法)得到第三分类概率，将所述第三分类概率作为第一分类结果。进一步地，所述影像数据包括传统的医学影像数据和/或计算机图像处理数据。更进一步地，所述计算机图像处理数据包括纹理特征。优选地，采用所述医学影像数据获得最终的第四分类概率，采用所述计算机图像处理数据获得最终的第五分类概率，将所述第四类分类概率与所述第五类分类概率分别作为第三分类维度与第四分类维度；将所述第三分类维度与所述第四分类维度作为第二二维特征，基于所述二维SVM算法得到第六分类概率，将所述第六分类概率作为第二分类结果。优选地，在步骤S2中所述特征的系数不为零，所述特征与所述系数的关系式为：S＝a1×F1+...+ak×Fk；其中，所述k为正整数，S表示所述第一分类概率，a1表示第一个所述特征对应的所述系数，ak表示第k个特征对应的所述系数，F1表示第一个所述特征，Fk表示第k个所述特征。优选地，在步骤S2中，每一棵所述决策树包括随机选取的若干个所述特征。进一步地，在步骤S4之后，还包括对所述第一分类结果进行验证：选取训练集和验证集，使用所述训练集中的数据进行机器学习训练，根据LASSO算法、随机森林算法和二维SVM算法得到正确分类结果；之后对所述验证集中的数据进行分类得到验证分类结果；将所述验证分类结果与所述正确分类结果进行比较，得到所述第一分类结果的准确性。优选地，将所述验证分类结果的AUC值与所述正确分类结果的AUC值进行比较。本专利技术与现有技术对比的有益效果包括：将获得的中枢神经系统肿瘤的影像数据采用LASSO算法提取得到影像数据中的特征，并对特征进行线性组合得到第一分类概率，之后将特征采用随机森林算法生成若干棵决策树，再根据所述决策树得到第二分类概率，提高了随机森林算法的准确性，最后使用二维SVM算法对两类算法得到的分类结果(第一分类概率和第二分类概率)进行再分类得到第三分类概率，进一步提高了分类的准确性。其他有益效果：使用二维SVM算法对基于两种不同数据(传统的医学影像数据和计算机图像处理数据)的分类结果(第四分类概率和第五分类概率)进行再分类得到的第六分类概率，更进一步提高了分类的准确性，准确率高达89％左右，AUC值高达0.97左右。附图说明图1为本专利技术具体实施方式中中枢神经系统肿瘤影像数据的分析方法的流程示意图。图2为本专利技术具体实施方式中中枢神经系统肿瘤影像数据的分析方法中训练集的分类结果图。图3为本专利技术具体实施方式中中枢神经系统肿瘤影像数据的分析方法中验证集的分类结果图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似改进，因此本专利技术不受下面公开的具体实施的限制。在本专利技术的一个实施例中提供一种中枢神经系统肿瘤影像数据的分类方法，结合图1，包括：T1、获取所述中枢神经系统肿瘤影像数据；T2、采用LASSO算法自动提取出所述影像数据中的特征，并对所述特征进行线性组合得到第一分类概率，将第一分类概率作为第一分类维度；其中，所述特征的系数不为零，所述系数由LASSO算法自动生成，所述特征与所述系数的关系式为：S＝a1×F1+...+ak×Fk，其中，S表示所述第一分类概率，a1表示第一个所述特征对应的所述系数，ak表示第k个特征对应的所述系数，F1表示第一个所述特征，Fk表示第k个所述特征。T3、根据所述特征基于随机森林算法生成若干棵决策树，再根据所述决策树得到第二分类概率，将第二分类概率作为第二分类维度，其中，每一棵所述决策树优选由随机选取的若干个所述特征组成。每一棵决策树都可以得到一个病例的分类结果，然后所有决策树再根据投票的方法得到最终的分类概率，比如一共10棵决策树，其中有2棵得到A结果，8棵得到B结果，则A结果的分类概率是20％，B结果的分类概率是80％。该值可以作为另一个分类特征维度被保留下来。T4、将所述第一分类维度与所述第二分类维度作为第一二维特征，基于二维SVM算法得到第三分类概率，将所述第三分类概率作为第一分类结果。需要说明的是，分类概率表示在两种可能性中的概率分别是多少，如果第一种可能性的概率占据40％，则另一种可能性的概率占据60％。在本具体实施方式中，分类概率包括中枢神经系统良性和非典型性肿瘤分类概率。在上述实施例的基础上，本实施例中所述影像数据包括传统的医学影像数据或计算机图像处理数据，所述医学影像数据采用上述中枢神经系统肿瘤影像数据的分析方法获得最终的第四分类概率，所述计算机图像处理数据采用上述中枢神经系统肿瘤影像数据的分析方法获得最终的第五分类概率，即第三分类概率包括第四分类概本文档来自技高网...

【技术保护点】
1.一种中枢神经系统肿瘤影像数据的分析方法，其特征在于，包括：S1、获取所述中枢神经系统肿瘤影像数据；S2、采用LASSO算法自动提取出所述影像数据中的特征，并对所述特征进行线性组合得到第一分类概率，将所述第一分类概率作为第一分类维度；S3、根据所述特征基于随机森林算法生成若干棵决策树，再根据所述决策树得到第二分类概率，将所述第二分类概率作为第二分类维度；S4、将所述第一分类维度与所述第二分类维度作为第一二维特征，基于二维SVM算法得到第三分类概率，将所述第三分类概率作为第一分类结果。

【技术特征摘要】
1.一种中枢神经系统肿瘤影像数据的分析方法，其特征在于，包括：S1、获取所述中枢神经系统肿瘤影像数据；S2、采用LASSO算法自动提取出所述影像数据中的特征，并对所述特征进行线性组合得到第一分类概率，将所述第一分类概率作为第一分类维度；S3、根据所述特征基于随机森林算法生成若干棵决策树，再根据所述决策树得到第二分类概率，将所述第二分类概率作为第二分类维度；S4、将所述第一分类维度与所述第二分类维度作为第一二维特征，基于二维SVM算法得到第三分类概率，将所述第三分类概率作为第一分类结果。2.根据权利要求1所述的中枢神经系统肿瘤影像数据的分析方法，其特征在于，所述影像数据包括传统的医学影像数据和/或计算机图像处理数据。3.根据权利要求2所述的中枢神经系统肿瘤影像数据的分析方法，其特征在于，所述计算机图像处理数据包括纹理特征。4.根据权利要求2所述的中枢神经系统肿瘤影像数据的分析方法，其特征在于，采用所述医学影像数据获得最终的第四分类概率，采用所述计算机图像处理数据获得最终的第五分类概率，将所述第四类分类概率与所述第五类分类概率分别作为第三分类维度与第四分类维度；将所述第三分类维度与所述第四分类维度作为第二二维特征，基于所述二维SVM算法...

【专利技术属性】
技术研发人员：王中杰，李学军，易小平，王苟思义，张晓金，
申请(专利权)人：中南大学湘雅医院，
类型：发明
国别省市：湖南,43