一种对非小细胞肺癌预后生存情况的分析方法技术

本发明专利技术提出一种对非小细胞肺癌预后生存情况的分析方法，本发明专利技术设计实验对非小细胞肺癌患者进行预后生存分析研究，基于CT影像组学特征对非小细胞肺癌预后分析模型进行构建，按照传统影像组学研究框架，对非小细胞肺癌患者数据进行了肿瘤的分割、特征提取、特征筛选、影像组学特征与预后生存情况的相关性分析和预后生存分析模型建模，得到与非小细胞肺癌患者预后生存显著性相关的影像组学预后因素与预后生存分析模型，从而为医生提供病人包括存活时间以及一系列后期病灶发展情况的数据信息，同时，对得到的预后生存模型的性能进行了评价，保证了预后生存模型的准确性。

An analysis method for prognosis and survival of non-small cell lung cancer

The present invention provides an analysis method for prognosis and survival of non-small cell lung cancer. The design of the present invention carries out prognostic and survival analysis of non-small cell lung cancer patients through experiments. The prognostic analysis model of non-small cell lung cancer is constructed based on CT imaging histology characteristics. According to the traditional imaging histology research framework, the data of non-small cell lung cancer patients are segmented and characterized. The prognostic factors and prognostic survival models related to the prognostic survival of non-small cell lung cancer patients were obtained by feature selection, correlation analysis of imaging histological features and prognostic survival analysis model modeling. The data of patients including survival time and a series of late-stage lesion development were provided for doctors. At the same time, the prognostic survival analysis model was established for non-small cell lung cancer patients. The performance of the prognostic survival model was evaluated to ensure the accuracy of the prognostic survival model.

【技术实现步骤摘要】
一种对非小细胞肺癌预后生存情况的分析方法
本专利技术涉及计算机辅助医学
，尤其涉及一种对非小细胞肺癌预后生存情况的分析方法。
技术介绍
世界卫生组织(WHO)国际癌症研究机构(IARC)近日发布最新报告称，肺癌是全球范围内发病率和死亡率增长最快的恶性肿瘤，预计2018年将造成180万人死亡，占预计癌症死亡总人数的18.4％。根据组织学类型分类，肺癌分为非小细胞肺癌与小细胞肺癌，其中，非小细胞肺癌(non-smallcelllungcancer，NSCLC)占肺癌患病总人数的80％～85％，包括鳞状细胞癌(鳞癌)、腺癌、大细胞癌。非小细胞肺癌相较于小细胞肺癌，生长分裂较慢，扩散转移较晚，致死性也相对较弱，但由于不同非小细胞肺癌患者的病灶之间存在大量个体间差异，使得不同患者患癌预后病情的发展速度存在很大的差别。流行病学统计表明，大量的非小细胞肺癌患者由于未得到准确的病情发展预测而未能及时接受合适的治疗，使得该类肺癌患者的死亡率高达75％。因此，迫切需要有效的患者生存时间预测模型来对治疗和复查方案的选择进行辅助，以提高非小细胞肺癌的治疗效果，进而提高患者的治愈率和存活率。影像组学是医本文档来自技高网...

【技术保护点】
1.一种对非小细胞肺癌预后生存情况的分析方法，其特征在于，包括以下步骤：步骤1：CT影像处理；步骤1.1：对非小细胞肺癌患者的肺部CT序列进行肺实质粗分割，并且对分割后的肺实质边缘进行修补；步骤1.2：对粗切割后的所述肺实质进行精分割；步骤1.3：对精切割后的所述肺实质中的肺部肿瘤进行检测；步骤1.4：对检测出的所述肺部肿瘤进行精分割并且人工修正；步骤1.5：在上述步骤中，同时提取用于描述肿瘤的相应的定量特征；步骤2：特征数据处理；步骤2.1：对所述定量特征的特征数据进行归一化处理；步骤2.2：平衡所述特征数据集正负样本数量；步骤2.3：筛选出权重值最高的前十个定量特征；步骤3：影像组学特征与...

【技术特征摘要】
1.一种对非小细胞肺癌预后生存情况的分析方法，其特征在于，包括以下步骤：步骤1：CT影像处理；步骤1.1：对非小细胞肺癌患者的肺部CT序列进行肺实质粗分割，并且对分割后的肺实质边缘进行修补；步骤1.2：对粗切割后的所述肺实质进行精分割；步骤1.3：对精切割后的所述肺实质中的肺部肿瘤进行检测；步骤1.4：对检测出的所述肺部肿瘤进行精分割并且人工修正；步骤1.5：在上述步骤中，同时提取用于描述肿瘤的相应的定量特征；步骤2：特征数据处理；步骤2.1：对所述定量特征的特征数据进行归一化处理；步骤2.2：平衡所述特征数据集正负样本数量；步骤2.3：筛选出权重值最高的前十个定量特征；步骤3：影像组学特征与预后生存情况的关联分析：步骤3.1：筛选出与预后生存情况显著关联的影像组学特征；步骤3.2：将步骤2.3中筛选出的所述定量特征与步骤3.1中所述影像组学特征的交集作为影像组学预后因素；步骤4：预后生存模型的建立；步骤4.1：以非小细胞肺癌患者的截止生存时间为因变量，以所述影像组学预后因素为自变量，建立预后生存模型；步骤4.2：评估所述预后生存模型的性能。2.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法，其特征在于，在步骤1.1中，利用“阈值法”对非小细胞肺癌患者的肺部CT序列进行肺实质粗分割，同时利用“链码法”对肺部边缘进行修补；在步骤1.2中，利用“区域生长法”对粗切割后的所述肺实质进行精分割，去除气管，支气管的干扰；在步骤1.3中，运用“高斯模板匹配法”与“hessian矩阵边缘点检测”相结合的方法对精切割后的所述肺实质中的肺部肿瘤进行检测，剔除血管区域的干扰；在步骤1.5中，对过分割和欠分割的所述肺部肿瘤进行人工修正。3.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法，其特征在于，在步骤2.1中，所述归一化处理为将所述定量特征的所述特征数据的取值区间缩放到[0,1]；在步骤2.2中，利用“Smote算法”平衡所述特征数据集正负样本数量；在步骤2.3中，利用“Relief特征权重算法”对所述特征数据进行筛选，筛选出权重值最高的前十个定量特征。4.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法，其特征在于，在步骤3.1中，利用Spearman相关系数分析影像组学特征与预后生存情况之间的相关性，以P<0.05为指标筛选出统计学上与预后生存情况显著关联的影像组学特征。5.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法，其特征在于，在步骤4.1中，采用Lasso回归拟合广义线性模型建立基于影像组学特征的预后生存模型；在步骤4.2中，设计实验以平均绝对值误差、均方误差、R平方值作为评价指标，评估所述预后生存模型的性能。6.根据权利要求1所述的一种对非小细胞肺癌预后生存情况的分析方法，其特征在于，选取124例非小细胞肺癌患者进行检测。7.根据权利要求1所述的一种对非小细...

【专利技术属性】
技术研发人员：王旭，聂生东，郑军，叶枫，段辉宏，高磊，吴文浩，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海,31