基于增强CT影像组学的胃癌腹膜转移的预测系统及方法技术方案

本发明专利技术公开了一种基于增强CT影像组学的胃癌腹膜转移的预测系统，该系统包括增强CT影像输入模块、增强CT影像预处理模块、特征提取模块、数据处理模块和预测及结果输出模块。本发明专利技术又公开了一种基于增强CT影像组学的胃癌腹膜转移的预测方法，包括：输入增强CT影像；图像化处理；人工选择图像，并人工标记图像特征；识别被标记的图像特征；提取出三组特征数据组；回归分析及评分；对评分数值定性分析及预测结果输出。本发明专利技术提高了胃癌腹膜转移的术前预测能力及预测准确率，具有无创、直观、易于操作的优点，在术前为临床医生提供更多、更为准确的决策信息，为是否开展手术以及术前制定精准的治疗方案提供了更高效的支持。

【技术实现步骤摘要】
基于增强CT影像组学的胃癌腹膜转移的预测系统及方法
本专利技术涉及人工智能及医学影像分析
，具体涉及基于增强CT影像组学的胃癌腹膜转移的预测系统及方法。
技术介绍
胃癌(Gastriccancer，GC)是世界上最常见的恶性肿瘤之一，也是世界上第三大与癌症相关死亡的原因，胃癌的高发生率和高死亡率给全世界带来了巨大的经济负担。在我国，每年新发的胃癌病例数约占全世界的一半以上，且以进展期胃癌为主，其中，胃癌腹膜转移(Peritonealmetastasis,PM)是导致其预后差的重要原因。能否在手术之前准确地把握患者胃癌腹膜转移的情况，一直是研究者研究的关键，也是困扰临床医生多年的棘手问题。术前有效地预测胃癌患者腹膜转移情况，将可以为临床医生提供更多的决策信息，指导是否选择手术以及手术的方式，最大化地选择合适的治疗人群和治疗方式，使得疾病得到及时的干预和治疗，为有效诊治提供有力的支持。当前临床上对胃癌腹膜转移的诊断主要靠影像学、肿瘤标志物和腹腔灌洗液细胞学检查。然而，大量的研究表明，对于较小的转移灶，影像科医生难以从影像学检查中直接做出准确的本文档来自技高网...

【技术保护点】
1.一种基于增强CT影像组学的胃癌腹膜转移的预测系统，其特征在于，该预测系统包括：增强CT影像输入模块、增强CT影像预处理模块、特征提取模块、数据处理模块和预测及结果输出模块；所述增强CT影像输入模块用于输入检测胃癌腹膜转移的增强CT影像；所述增强CT影像预处理模块用于对增强CT影像进行图像化处理，并识别被人工选择及标记的图像特征；所述特征提取模块用于从被识别的图像特征中提取出三组特征数据组，其中第一组特征数据组包含若干强度特征数据，第二组特征数据组包含若干形态特征数据，第三组特征数据组包含若干灰度纹理特征数据；所述强度特征数据用于反映胃癌肿瘤病灶在CT图像上的图像强度信息；所述形态特征数据用...

【技术特征摘要】
1.一种基于增强CT影像组学的胃癌腹膜转移的预测系统，其特征在于，该预测系统包括：增强CT影像输入模块、增强CT影像预处理模块、特征提取模块、数据处理模块和预测及结果输出模块；所述增强CT影像输入模块用于输入检测胃癌腹膜转移的增强CT影像；所述增强CT影像预处理模块用于对增强CT影像进行图像化处理，并识别被人工选择及标记的图像特征；所述特征提取模块用于从被识别的图像特征中提取出三组特征数据组，其中第一组特征数据组包含若干强度特征数据，第二组特征数据组包含若干形态特征数据，第三组特征数据组包含若干灰度纹理特征数据；所述强度特征数据用于反映胃癌肿瘤病灶在CT图像上的图像强度信息；所述形态特征数据用于反映胃癌肿瘤病灶的形态学信息；所述灰度纹理特征数据用于反映胃癌病灶在CT图像上的体素空间分布强度等级信息以及呈现胃癌病灶对应组织表面和内部的特征信息；所述数据处理模块用于对各特征数据进行回归分析及评分，并将评分数值传送至预测及结果输出模块；所述预测及结果输出模块对获得的评分数值进行定性分析及预测结果输出；
所述数据处理模块包括特征变量筛选子模块、变量系数获取子模块及评分计算子模块；所述特征变量筛选子模块通过一LASSOCOX回归计算模型从各特征数据中筛选出与胃癌腹膜转移相关联的若干个特征变量；所述变量系数获取子模块通过所述LASSOCOX回归计算模型获得与特征变量一一对应的回归系数；所述评分计算子模块通过一评分计算模型获得评分数值；所述评分计算模型的公式为Rad-score＝Σ(回归系数*特征变量)；
所述预测及结果输出模块包括患者评分匹配子模块、截断值获取子模块、概率分类子模块和结果输出子模块；所述患者评分匹配子模块将每位患者是否发生腹膜转移的统计数据与对应的评分数值进行匹配，并将匹配结果传送至所述截断值获取子模块；所述截断值获取子模块对匹配结果进行分析并生成一截断值，所述截断值作为患者发生腹膜转移的概率的评判阈值；所述概率分类子模块用于将每位患者的评分数值与截断值进行大小比对，并将对比结果作为患病概率高或低的评判结果。


2.根据权利要求1所述的基于增强CT影像组学的胃癌腹膜转移的预测系统，其特征在于，所述LASSOCOX回归计算模型通过计算机编程工具R语言的glmnet函数包生成。


3.根据权利要求1所述的基于增强CT影像组学的胃癌腹膜转移的预测系统，其特征在于，各特征变量分别为偏心率Eccentricity、范围Extent、灰度共生矩阵_相关性信息度量GLCM_IMC、灰度共生矩阵_最大概率GLCM_MaximumProbability；所述偏心率Eccentricity为图像形态特征变量，用于反映CT图像中原始胃癌病灶形态学信息；所述范围Extent为图像形态特征变量，用于反映CT图像中原始胃癌病灶的面积范围大小；所述灰度共生矩阵_相关性信息度量GLCM_IMC为图像基于灰度纹理特征变量，用于反映CT图像中胃癌病灶所在区域图像像素在各个矢量方向上的相关性；所述灰度共生矩阵_最大概率GLCM_MaximumProbability为图像基于灰度纹理特征变量，用于反映CT图像中胃癌病灶所在区域图像像素强度水平在空间上的变化以及稳定地反映特定病灶组织涵盖的图像信息。


4.根据权利要求1所述的基于增强CT影像组学的胃癌腹膜转移的预测系统，其...

【专利技术属性】
技术研发人员：李国新，江玉明，黄伟才，韩震，
申请(专利权)人：南方医科大学南方医院，
类型：发明
国别省市：广东;44