基于胃癌组织病理图像纹理特征的MSI预测模型构建方法技术

本发明专利技术公开了一种基于胃癌组织病理图像纹理特征的MSI预测模型构建方法，包括以下步骤:获取胃癌患者的组织病理图像、病灶部位的标记以及临床病理信息；针对胃癌患者的组织病理图像，提取原始图像的纹理特征和经过小波变换后的纹理特征；使用LASSO对得到的纹理特征进行特征选择，选择10倍交叉验证误差最小时的λ值对应的非零系数特征，得到筛选后的纹理特征；根据所选择的纹理特征的特征值及其系数权重进行线性拟合，从而得到胃癌患者的MSI标签；结合MSI标签和患者的临床病理信息构建MSI预测模型。本发明专利技术基于容易获得的组织病理图像直接预测胃癌患者的MSI状态，无需额外的实验室进行基因检测和免疫组织化学分析，可以以更低的成本实现MSI状态的检测。

【技术实现步骤摘要】
基于胃癌组织病理图像纹理特征的MSI预测模型构建方法
本专利技术涉及计算机医学图像信息处理
，尤其涉及一种基于胃癌组织病理图像纹理特征的MSI预测模型构建方法。
技术介绍
传统的MSI检测方法主要有两种：免疫组织化学(ImmunohistochemistryIHC)和聚合酶链式反应(PCR)；IHC是通过检测错配修复基因的表达情况来反应MSI状态，PCR则是通过特定的单核苷酸位点的基因标记进行遗传分析；但无论是IHC还是PCR检测手段均需要在大容量的三级医疗中心进行，且需要较高的经济和时间成本，在临床实践中难以推广至每一个患者。因此，无法为大量潜在的免疫疗法敏感者提供及时的免疫检查点抑制剂治疗，从而丧失了控制疾病的机会。病理组织学一直是癌症诊断和预测的重要工具，它的表型信息反应了分子改变对癌细胞行为的综合影响，并为评估疾病的进展情况提供了直接的可视化的工具。组织病理学家可以通过评估细胞密度，组织结构，有丝分裂状态等组织学特征来对病变进行分类和分级。随着显微镜成像技术和计算机技术的进步，基于病理图片的辅助诊断模型发展迅速。其中纹理分本文档来自技高网...

【技术保护点】
1.一种基于胃癌组织病理图像纹理特征的MSI预测模型构建方法，其特征在于，包括以下步骤:/n步骤1、获取胃癌患者的组织病理图像、病灶部位的标记以及临床病理信息；/n步骤2、针对胃癌患者的组织病理图像，提取原始图像的纹理特征和经过小波变换后的纹理特征；/n步骤3、使用LASSO对步骤2中得到的纹理特征进行特征选择，选择10倍交叉验证误差最小时的λ值对应的非零系数特征，得到筛选后的纹理特征；/n步骤4、根据步骤3所选择的纹理特征的特征值及其系数权重进行线性拟合，从而得到胃癌患者的MSI标签；/n步骤5、结合步骤4得到的MSI标签和患者的临床病理信息构建MSI预测模型。/n

【技术特征摘要】
1.一种基于胃癌组织病理图像纹理特征的MSI预测模型构建方法，其特征在于，包括以下步骤:
步骤1、获取胃癌患者的组织病理图像、病灶部位的标记以及临床病理信息；
步骤2、针对胃癌患者的组织病理图像，提取原始图像的纹理特征和经过小波变换后的纹理特征；
步骤3、使用LASSO对步骤2中得到的纹理特征进行特征选择，选择10倍交叉验证误差最小时的λ值对应的非零系数特征，得到筛选后的纹理特征；
步骤4、根据步骤3所选择的纹理特征的特征值及其系数权重进行线性拟合，从而得到胃癌患者的MSI标签；
步骤5、结合步骤4得到的MSI标签和患者的临床病理信息构建MSI预测模型。


2.根据权利要求1所述的基于胃癌组织病理图像纹理特征的MSI预测模型构建方法，其特征在于，步骤2中提取的纹理特征包括一阶统计量、灰度共生矩阵、灰度大小区域矩阵、灰度游程长度矩阵、相邻灰度色调差异矩阵和灰度依赖矩阵。


3.根据权利要求1所述的基于胃癌组织病理图像纹理特征的MSI预测模型构建方法，其特征在于，步骤3中LASSO筛选图像纹理特征的具体操作包括：
1)对步骤2中提取到的纹理特征应用LASSO回归，对高维数据执行特征选择并进行正则化，通过惩罚估计函数提高预测准确性，将L1惩罚项添加到普通线性模型，估计为：



其中Y是预测...

【专利技术属性】
技术研发人员：阎婷，安卫超，张楠，王彬，
申请(专利权)人：山西医科大学，
类型：发明
国别省市：山西;14