The invention discloses a soft tissue sarcoma metastasis risk prediction system based on machine learning, which relates to the field of image processing in medical imaging department. The soft tissue sarcoma metastasis risk prediction system includes: image acquisition module, image preprocessing module, feature extraction module, soft tissue sarcoma metastasis risk prediction module and display result module. In order to solve the problem that the prediction efficiency is not high due to the artificial way to predict the risk of soft tissue sarcoma metastasis, the invention collects a large number of soft tissue sarcoma images that will and will not be transferred through the image acquisition module to establish a training database, and extracts image features from the images in the training database through the image preprocessing module, and then uses the support vector machine to carry out the prediction At the same time, input the characteristics of the image data to be predicted into the model to get the prediction results, and then realize the rapid and accurate prediction of whether the target patients will have soft tissue sarcoma metastasis.
【技术实现步骤摘要】
一种基于机器学习的软组织肉瘤转移风险预测系统
本专利技术涉及医疗影像科图像处理领域,具体是一种基于机器学习的软组织肉瘤转移风险预测系统。
技术介绍
软组织肉瘤是一类罕见的恶性肿瘤,因为其发病率低,外科医生接触到此类疾病的机会少,因而容易发生误诊,进而错过最佳的治疗时机。且此类疾病常难以依靠传统的手段鉴别肿瘤的性质以及预测其转移风险。大多数新病例是中度或高度恶性肿瘤,几乎可能出现在人体的任何部位,四肢是最常见的起源部位。一般而言,不同形式的治疗可对软组织肉瘤起到良好的局部控制效果。然而,大约25%的软组织肉瘤患者还是会发生远处转移的情况。特别是在高级别肿瘤的情况下,转移率上升至约50%,通常需要在早期阶段进行更好的全身治疗,以控制有转移风险的软组织肉瘤。因此,在软组织肉瘤管理过程中对转移风险的早期评估是非常有意义的,因为它可能为患者带来更好的适应性治疗并因此提高患者总体存活率。目前,针对软组织肉瘤的传统预测方式多通过人工进行,这种方式要求医师有丰富的临床经验,对病人的临床资料进行全面分析,在工作量较大的情况下非常容易造成误诊现象,进而带来严重后果。通过机器学习进行预测的方式尚处于起步阶段,研究较少且准确度不高。因此,设计出一种基于机器学习的软组织肉瘤转移风险预测系统,成为亟需解决的问题。
技术实现思路
本专利技术的目的在于提供一种基于机器学习的软组织肉瘤转移风险预测系统,以解决上述
技术介绍
中提出的问题,通过对医疗图像的特征提取和风险预测模型的建立,实现对目标患者是否会发生软组织肉瘤转 ...
【技术保护点】
1.一种基于机器学习的软组织肉瘤转移风险预测系统,包括:依次连接的图像采集模块、图像预处理模块、特征提取模块、软组织肉瘤转移风险预测模块以及显示结果模块;/n所述图像采集模块用于获取软组织肉瘤PET/CT图像生成待预测图像数据;/n所述图像预处理模块用于将待预测图像数据进行预处理得到预处理后的图像;/n所述特征提取模块用于对预处理后的图像进行纹理分析并提取图像特征;/n所述软组织肉瘤转移风险预测模块用于收集软组织肉瘤图像建立训练数据库,并将训练数据库中的图像进行提取图像特征后使用支持向量机进行训练,建立软组织肉瘤转移风险预测模型,同时将获取的待预测图像数据的特征输入模型进行预测得到预测结果;/n所述显示结果模块用于显示预测结果。/n
【技术特征摘要】
1.一种基于机器学习的软组织肉瘤转移风险预测系统,包括:依次连接的图像采集模块、图像预处理模块、特征提取模块、软组织肉瘤转移风险预测模块以及显示结果模块;
所述图像采集模块用于获取软组织肉瘤PET/CT图像生成待预测图像数据;
所述图像预处理模块用于将待预测图像数据进行预处理得到预处理后的图像;
所述特征提取模块用于对预处理后的图像进行纹理分析并提取图像特征;
所述软组织肉瘤转移风险预测模块用于收集软组织肉瘤图像建立训练数据库,并将训练数据库中的图像进行提取图像特征后使用支持向量机进行训练,建立软组织肉瘤转移风险预测模型,同时将获取的待预测图像数据的特征输入模型进行预测得到预测结果;
所述显示结果模块用于显示预测结果。
2.根据权利要求1所述的基于机器学习的软组织肉瘤转移风险预测系统,其特征在于,所述预处理包括降噪处理和归一化处理,且所述降噪处理为采用图像降噪算法对图像进行小波分解和重构,所述归一化处理为采用图像归一化算法对图像进行处理。
3.根据权利要求2所述的基于机器学习的软组织肉瘤转移风险预测系统,其特征在于,所述图像归一化算法使用如下函数:
其中,x′i表示归一化后的像素点的值,xi表示图像像素点的值,max(x)与min(x)分别表示图像像素的最大值和最小值。
4.根据权利要求2所...
【专利技术属性】
技术研发人员:申俊丽,余堃,刘秋朋,
申请(专利权)人:河南师范大学,
类型:发明
国别省市:河南;41
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。