一种宫颈麟癌影像组学分析方法及预测模型的构建技术

本发明专利技术公开了影像技术领域的一种宫颈麟癌影像组学分析方法及预测模型的构建，影像组学分析方法及预测模型的构建：对扫描图像进行处理后导入图像处理软件，由放射科医师医生A在不知道病理结果情况下对肿瘤区域进行逐层手动勾勒，再由医生B进行手动勾画，相隔两周后，医生A再次进行图像分割、特征提取，进行z‑score归一化处理，以消除每个特性的单元限制，标准化处理后进行降维筛选，最终得到与宫颈鳞癌分化程相关影像组学纹理特征，本发明专利技术基于磁共振序列构建的影像组学模型能预测宫颈鳞癌的组织分化程度，且联合多序列的预测模型预测效能最佳，可为CSCC个性化治疗和预后评价提供客观依据。

An imaging analysis method and prediction model of cervical cancer

The invention discloses an image omics analysis method and the construction of a prediction model for cervical cancer in the field of imaging technology. The image omics analysis method and the construction of a prediction model: after processing the scanned image, the image processing software is imported, the radiologist a manually outlines the tumor area layer by layer without knowing the pathological results, and then the doctor B manually outlines it, After an interval of two weeks, doctor a performs image segmentation, feature extraction and Z \u2011 score normalization again to eliminate the unit limitation of each feature. After standardized processing, he performs dimensionality reduction screening, and finally obtains the image omics texture features related to the differentiation process of cervical squamous cell carcinoma. It is found that the image omics model based on magnetic resonance sequence can predict the degree of tissue differentiation of cervical squamous cell carcinoma, The combined multi sequence prediction model has the best prediction efficiency, which can provide an objective basis for personalized treatment and prognosis evaluation of CSCC.

【技术实现步骤摘要】
一种宫颈麟癌影像组学分析方法及预测模型的构建
本专利技术涉及影像
，具体为一种宫颈麟癌影像组学分析方法及预测模型的构建。
技术介绍
宫颈癌是临床常见的恶性肿瘤之一，近年来其发病率和死亡率迅速上升，发病率居妇科恶性肿瘤第四位，严重威胁妇女的生命安全。国际癌症研究机构估计，2018年全球新发宫颈癌病例57万和死亡31.1万余。宫颈癌最常见的病理类型是鳞癌(cervicalsquamouscellcarcinoma)，约占75％-80％。分化不良的鳞状细胞癌具有高度侵袭性特征，易发生局部浸润和远处转移，随着肿瘤病理学分级的增加，患者的复发率和死亡率明显上升。目前国际上对于宫颈癌分期主要采用FIGO分期系统，分期IIB以上的肿瘤多采用非手术治疗无法获取其全面的病理结果，另外该评分系统存在主观性强的局限性，影响肿瘤分期评估。临床上亦采用阴道镜下多次穿刺活检来确诊宫颈癌病理分化，该方法容易受到病灶大小、操作经验等因素的影响，导致穿刺的病理结果与手术切除的结果存在一定差异。核磁共振成像(MRI)是宫颈癌诊断、分期和评估治疗效果的主要检查方式。常本文档来自技高网...

【技术保护点】
1.一种宫颈麟癌影像组学分析方法及预测模型的构建，其特征在于：该宫颈麟癌影像组学分析方法及预测模型的构建包括如下步骤：/nS1：纳入排除研究对象：纳入宫颈鳞癌患者为研究对象，年龄27-70岁，中位年龄50岁，按照一定的标准对研究对象进行纳入以及排除，分为高低两个分化组，再按照7：3比例随机分配到训练组和测试组；/nS2：图像勾画：采用GE磁共振扫描仪检查，行MR平扫、DWI及增强检查，并对扫描图像进行处理后导入图像处理软件，由放射科医师医生A在不知道病理结果情况下对肿瘤区域进行逐层手动勾勒，再由医生B进行手动勾画，相隔两周后，医生A再次进行图像分割、特征提取；/nS3：纹理特征提取及标签建立：...

【技术特征摘要】
1.一种宫颈麟癌影像组学分析方法及预测模型的构建，其特征在于：该宫颈麟癌影像组学分析方法及预测模型的构建包括如下步骤：
S1：纳入排除研究对象：纳入宫颈鳞癌患者为研究对象，年龄27-70岁，中位年龄50岁，按照一定的标准对研究对象进行纳入以及排除，分为高低两个分化组，再按照7：3比例随机分配到训练组和测试组；
S2：图像勾画：采用GE磁共振扫描仪检查，行MR平扫、DWI及增强检查，并对扫描图像进行处理后导入图像处理软件，由放射科医师医生A在不知道病理结果情况下对肿瘤区域进行逐层手动勾勒，再由医生B进行手动勾画，相隔两周后，医生A再次进行图像分割、特征提取；
S3：纹理特征提取及标签建立：将原始图像和分割后的肿瘤ROI文件同时导入AK软件，提取图像特征参数并分类，进行z-score归一化处理，以消除每个特性的单元限制，标准化处理后进行降维筛选，最终得到与宫颈鳞癌分化程相关影像组学纹理特征；
S4：统计分析：采用R软件进行最小绝对收缩和选择算子计算，建立预测模型，按7:3的比例病灶作为训练组和试验组，在训练组中进行特征选择和模型构建。


2.根据权利要求1所述的一种宫颈麟癌影像组学分析方法及预测模型的构建，其特征在于：所述步骤S1中的纳入标准为
A1：经手术病理确诊为宫颈鳞状细胞癌；
A2：MR检查前未接受过宫颈癌治疗；
A3：肿瘤直径>0.5cm。


3.根据权利要求1所述的一种宫颈麟癌影像组学分析方...

【专利技术属性】
技术研发人员：王苏波，毛小明，蒋廷宠，蔡剡军，王国松，杜鸣，沈强，
申请(专利权)人：绍兴市中医院，
类型：发明
国别省市：浙江;33