一种直肠毒性预测系统构建方法技术方案

一种直肠毒性预测系统构建方法包括有5个步骤。该直肠毒性预测系统构建方法能够全面构建了一个从原始图像数据到最终直肠毒性预测结果的系统模型，同时结合多种维度的信息和不同类型的分类器，以达到更可靠的预测直肠毒性结果。该方法同时将剂量分布图像和从剂量分布中提取的剂量学特征，通过不同的分类器，并构造了数学模型并将其融合在一起，使不同维度的信息和分类方法优势互补。基于机器学习方法提出了一套融合多维度特征和多分类器的毒性预测系统模型，实现个体化预测，辅助指导临床决策。

A Method for Establishing Rectal Toxicity Prediction System

A method for constructing a rectal toxicity prediction system consists of five steps. The method of constructing rectal toxicity prediction system can construct a system model from the original image data to the final results of rectal toxicity prediction. At the same time, it combines multi-dimensional information and different types of classifiers to achieve more reliable prediction of rectal toxicity results. The method combines the dose distribution image and the dosimetric characteristics extracted from the dose distribution. Through different classifiers, a mathematical model is constructed and fused together to complement the advantages of different dimensions of information and classification methods. Based on machine learning method, a toxicity prediction system model integrating multi-dimensional features and multi-classifiers is proposed to realize individual prediction and assist clinical decision-making.

【技术实现步骤摘要】
一种直肠毒性预测系统构建方法
本专利技术涉及直肠毒性预测系统领域，特别涉及一种直肠毒性预测系统构建方法。
技术介绍
近年来，影像组学成为新的研究热点，被广泛应用于肿瘤的诊断、治疗、预后等方面的研究，为肿瘤的精准治疗提供新的依据。目前大多数影像组学的研究都是基于单维度数据或单分类器来实现分类预测。例如，利用二维或者三维的图片构建卷积神经网络(CNN)预测模型，利用从图像中提取的纹理、几何等一维特征构建逻辑回归(LogisticRegression)、判别分析(LDA)等预测模型。不同维度的信息之间以及不同的分类器之间各有优势和局限性，如何将多种维度的信息和多个分类器相结合，是目前的研究热点。前列腺癌是常见的老年男性泌尿系统恶性肿瘤，放疗作为前列腺癌的主要治疗手段，其基本目标是最大限度地将放射线的剂量集中到肿瘤区域，杀灭肿瘤细胞，同时使周围正常组织和器官少受或免受不必要的照射，以达到最大限度地增加肿瘤的局部控制概率(TCP)和降低周围正常组织的放疗并发症概率(NTCP)。为了提高前列腺癌的TCP，提高靶区的放射剂量是一种有效手段，但是同时也会增加危及器官(OrgansatRisk,OAR本文档来自技高网...

【技术保护点】
1.一种直肠毒性预测系统构建方法，其特征在于，步骤包括有：步骤一，分别输入N个目标对象的数据，得到数据模块，其中N为正整数；步骤二，分别对步骤一得到的数据模块进行预处理，得到预处理模块；步骤三，对步骤二得到的预处理模块分别对N个目标对象进行特性输出，得到N个特性数据；步骤四，将步骤三得到的N个特性数据和步骤一得到的数据模块进行预测构建，得到预测构建模块。

【技术特征摘要】
1.一种直肠毒性预测系统构建方法，其特征在于，步骤包括有：步骤一，分别输入N个目标对象的数据，得到数据模块，其中N为正整数；步骤二，分别对步骤一得到的数据模块进行预处理，得到预处理模块；步骤三，对步骤二得到的预处理模块分别对N个目标对象进行特性输出，得到N个特性数据；步骤四，将步骤三得到的N个特性数据和步骤一得到的数据模块进行预测构建，得到预测构建模块。2.根据权得要求1所述的直肠毒性预测系统构建方法，其特征在于：所述目标对象的数据包括直肠CT图像数据、放疗剂量分布图像数据和目标对象直肠毒性的标签数据。3.根据权得要求2所述的直肠毒性预测系统构建方法，其特征在于：所述直肠CT图像数据为目标对象进行放疗前的CT图像数据；所述放疗剂量分布图像数据为目标对象进行放疗前目标部位的不同剂量水平形成的放疗剂量分布图像数据；所述标签数据具体为当直肠有出血情况数据和糜烂情况时标签数据为有直肠毒性标签数据，当直肠无出血情况数据和糜烂情况时标签数据为无直肠毒性标签数据。4.根据权得要求3所述的直肠毒性预测系统构建方法，其特征在于，所述步骤二具体为：步骤2.1、对步骤一得到的N个目标对象的直肠CT图像数据和放疗剂量分布图像数据分别进行勾画出靶区同时生成表面网格，进入步骤2.2；步骤2.2、获取直肠表面变形场，进入步骤2.3；步骤2.3、获取直肠表面三维累积受照剂量分布图像，进入步骤2.4；步骤2.4、提取一维剂量参数特征，得到预处理模块。5.根据权得要求4所述的直肠毒性预测系统构建方法，其特征在于：所述特性数据包括有二维累积受照剂量分布图、剂量体积特征和剂量几何特征；所述剂量几何特征为剂量体积特征和剂量几何特征共同构成的一维剂量参数特征。6.根据权得要求5所述的直肠毒性预测系统构建方法，其特征在于：所述步骤四具体为，通过步骤三的N个特性数据进行多个分类器训练，然后通过步骤一得到数据模块分别确定每个分类器的权重，得到预测构建模块，其中各个分类器对应的权重为wi,i表示为第i个分类器；所述分类器的个数为4个，即i＝1,2,3,4；所述分类器为VGG16、逻辑回归、判别分析或者贝叶斯。7.根据权得要求6所述的直肠毒性预测系统构建方法，其特征在于,所述步骤四具体为，步骤4.1、分类器训练，VGG16的训练具体为，采用Python编程语言下的Lasagne深度学习包搭建VGG16网络，利用ImageNet训练参数初始化网络的每一层的参数，再将N个目标对象的二维累积受照剂量分布图和标签数据输入到VGG16中，调用fit函数对网络进行训练，保存并输出；逻辑回归的训练具体为，采用Python编程语言环境下的scikit-learn机器学习软件包来构建逻辑回归模型，再将N个目标对象的一维剂量参数和标签数据输入到逻辑回归模型，调用fit函数进行训练，保存并输出；判别分析的训练具体为，采用Py...

【专利技术属性】
技术研发人员：甄鑫，何强，陈海斌，李欣，孙磊，莫天澜，
申请(专利权)人：南方医科大学，
类型：发明
国别省市：广东,44