一种甲状腺微小癌消融术前颈部淋巴结良恶性预测方法技术

本发明专利技术公开了一种甲状腺微小癌消融术前颈部淋巴结良恶性预测方法，解决了目前常规影像学方法术前判定甲状腺微小癌颈部淋巴结转移缺乏特异性，诊断准确性较低，具有局限性的弊端，其技术方案要点是包括有以下步骤：S1、获取甲状腺微小癌微创消融术前颈部淋巴结灰阶超声图像；S2、对图像中的淋巴结区域进行ROI勾勒和分割；S3、进行图像匹配和高通量特征提取，计算组学特征；S4、进行特征降维；S5、建立影像组学预测模型，进行模型外部验证；S6、将超声图像输入影像组学预测模型进行预测并输出预测结果，本发明专利技术的一种甲状腺微小癌消融术前颈部淋巴结良恶性预测方法，能给予临床诊疗需求，建立预测模型进行精准预测，能助力于临床准确决策。

【技术实现步骤摘要】
一种甲状腺微小癌消融术前颈部淋巴结良恶性预测方法
本专利技术涉及一种甲状腺微小癌消融术前颈部淋巴结良恶性预测方法。
技术介绍
影像学引导下的甲状腺结节消融治疗具有微创、美观、安全等优势，已经广泛用于甲状腺良性结节、甲状腺微小癌及部分转移性淋巴结的治疗中。对于甲状腺微小癌而言，消融治疗只适用局限在甲状腺内的小于1cm的微小病灶，若术前发现甲状腺癌已出现颈部淋巴结转移，仍只能选择穿刺手术切除联合颈部淋巴结清扫。因此，颈部淋巴结的良恶性诊断对于甲状腺微小癌患者治疗方案的制订起着关键作用。但目前常规影像学方法术前判定甲状腺微小癌颈部淋巴结转移缺乏特异性，诊断准确性较低。甲状腺灰阶超声检查(B-modeultrasound,BMUS)是临床应用最广泛的影像学检查方法，具有无创性、实时性及可重复性，能通过观察病灶形态及内部回声评估病灶良恶性。彩色多普勒血流成像(colorDopplerflowimage,CDFI)还能检测病灶内部的彩色血流信号，实时评估病灶及周边的血流情况。超声是目前甲状腺结节微创消融术前的一线临床评估方法。但是部分甲状腺微小癌早期的颈部淋巴结转移超声图像表现不典型，难以与颈部正常增生的淋巴结鉴别，为临床诊治带来了一定的局限性和困惑，还有待改进的空间。
技术实现思路
本专利技术的目的是提供一种甲状腺微小癌消融术前颈部淋巴结良恶性预测方法，能给予临床诊疗需求，建立预测模型进行精准预测，能助力于临床准确决策。本专利技术的上述技术目的是通过以下技术方案得以实现的：一种甲状腺微小癌消融术前颈部淋巴结良恶性预测方法，包括有以下步骤：S1、获取甲状腺微小癌微创消融术前颈部淋巴结灰阶超声图像；S2、对获取的超声图像中的淋巴结区域进行ROI勾勒和分割；S3、进行图像匹配和高通量特征提取，计算组学特征；S4、进行特征降维，剔除高通量特征中冗余因素；S5、建立影像组学预测模型，使用测试图像数据进行模型外部验证；S6、将超声图像输入已完成验证的影像组学预测模型进行预测并输出预测结果。作为优选，超声图像的获取和分割具体包括有：明确进行微创消融治疗的患者同侧颈部淋巴结灰阶超声检查，分别采集获取一张BMUS和一张CDFI图像并存储；两次对采集的两张图像独立完成勾画分割任务，并在设定时长后重复操作，评估分割结果组内和组间的差异。作为优选，特征提取中根据IBSI标准计算组学特征，包括有一阶直方图特征、纹理特征；对于无统一标准的直方图特征组采取Freedman-Diaconis规则计算。作为优选，特征降维具体包括有：使用三次降维步骤，S41、通过比较对ROI的勾画，筛选掉观察者间和观察者内差异明显的组学特征；S42、通过结合随机森林分类器和最大相关最小冗余两种机器学习算法，分别根据组学特征与临床结果相关性进行筛选；S43、采用皮尔森相关系数矩阵，移除互相关特征，完成第三次特征降维。作为优选，预测模型的建立和验证具体包括有：建立以颈部淋巴结粗针穿刺病理结果为金标准，将患者临床信息、超声图像语义特征、AI提取影像组学特征共同纳入LASSO逻辑回归模型；通过10折内部验证选取最优a值，作为最终LASSO模型惩罚系数；使用测试图像数据进行外部验证，通过模型在验证数据集中预测的准确性、敏感性、特异性，与模型受试者工作特征曲线下面积，验证模型的预测效能。综上所述，本专利技术具有以下有益效果：影像组学能够提取海量高通量特征，结合常规灰阶图像及CDFI图像，并建立基于高通量特征的影像组学预测模型，能够在甲状腺微小癌消融术前精准预测颈部淋巴结良恶性，基于临床诊疗需求，有助于临床精准决策。具体实施方式以下对本专利技术作进一步详细说明。根据一个或多个实施例，公开了一种甲状腺微小癌消融术前颈部淋巴结良恶性预测方法，包括有如下步骤：S1、获取甲状腺微小癌微创消融术前颈部淋巴结灰阶超声图像；S2、对获取的超声图像中的淋巴结区域进行ROI勾勒和分割；S3、进行图像匹配和高通量特征提取，计算组学特征；S4、进行特征降维，剔除高通量特征中冗余因素；S5、建立影像组学预测模型，使用测试图像数据进行模型外部验证；S6、将超声图像输入已完成验证的影像组学预测模型进行预测并输出预测结果。具体的，获取甲状腺微小癌微创消融术前颈部淋巴结的灰阶超声图像：对临床诊断明确并计划进行微创消融治疗的甲状腺微小癌患者同侧颈部淋巴结行灰阶超声检查，包括BMUS及CDFI，观察病灶形态、大小、皮髓质分布及彩色血流，分别采集BMUS及CDFI图像。所有图像均存贮为JPG、AVI及DICOM格式。利用3D-Slicer软件对淋巴结DICOM(DigitalImagingandCommunicationsinMedicine)图像分割感兴趣区域(regionofinterest,ROI)，ROI覆盖完整淋巴结区域，对颈部淋巴结BMUS及CDFI的淋巴结区域进行ROI勾勒及分割。为保证分割结果可重复性，由两名资深影像学医师独立完成分割任务，并在3个月后重复，以评估分割结果组内和组间差异。通过第三方开源特征提取工具pyradiomics对勾画好的ROI进行特征提取，提取ROI区域的形状特征、一阶直方图特征、二阶直方图和纹理特征，完成自动化图像匹配和高通量特征提取，根据IBSI标准计算组学特征如一阶直方图特征、纹理特征等。对于尚无统一标准的直方图特征组距采取Freedman-Diaconis规则计算。借助统计分析方法，减少特征的数量，找到少数的真正关键的特征。使用三次降维步骤，有效剔除高通量特征中冗余因素。第一次特征降维通过比较两名医师对ROI的勾画，筛选掉受观察者间和观察者内差异明显的组学特征。第二次特征筛选通过结合随机森林分类器(RandomForestClassifier)和最大相关最小冗余(maximumRelevanceMinimumRedundancy)两种机器学习算法分别根据组学特征与临床结果相关性进行筛选。最后采用皮尔森相关系数矩阵，移除互相关特征，完成第三次特征降维。常用的特征筛选方法有LASSO(leastabsoluteshrinkageandselectionoperator)Cox回归模型、最大相关最小冗余(maximumrelevanceandminimumredundancy,mRMR)、RELIEF(RELevanceInEstimatingFeatures)、主成分分析法(principalcomponentanalysis,PCA)等。以颈部淋巴结粗针穿刺病理结果(良性/恶性)为金标准，将患者临床信息、超声图像语义特征包括BMUS表现与CDFI表现、AI提取影像组学特征共同纳入LASSO逻辑回归模型，通过10折内部验证选取最优a值，作为最终LASSO模型惩罚系数，构建影像组学预测模型。构建AI预测模型可告知临床医生本文档来自技高网...

【技术保护点】
1.一种甲状腺微小癌消融术前颈部淋巴结良恶性预测方法，其特征是，包括有以下步骤：/nS1、获取甲状腺微小癌微创消融术前颈部淋巴结灰阶超声图像；/nS2、对获取的超声图像中的淋巴结区域进行ROI勾勒和分割；/nS3、进行图像匹配和高通量特征提取，计算组学特征；/nS4、进行特征降维，剔除高通量特征中冗余因素；/nS5、建立影像组学预测模型，使用测试图像数据进行模型外部验证；/nS6、将超声图像输入已完成验证的影像组学预测模型进行预测并输出预测结果。/n

【技术特征摘要】
1.一种甲状腺微小癌消融术前颈部淋巴结良恶性预测方法，其特征是，包括有以下步骤：
S1、获取甲状腺微小癌微创消融术前颈部淋巴结灰阶超声图像；
S2、对获取的超声图像中的淋巴结区域进行ROI勾勒和分割；
S3、进行图像匹配和高通量特征提取，计算组学特征；
S4、进行特征降维，剔除高通量特征中冗余因素；
S5、建立影像组学预测模型，使用测试图像数据进行模型外部验证；
S6、将超声图像输入已完成验证的影像组学预测模型进行预测并输出预测结果。


2.根据权利要求1所述的甲状腺微小癌消融术前颈部淋巴结良恶性预测方法，其特征是，超声图像的获取和分割具体包括有：
明确进行微创消融治疗的患者同侧颈部淋巴结灰阶超声检查，分别采集获取一张BMUS和一张CDFI图像并存储；
两次对采集的两张图像独立完成勾画分割任务，并在设定时长后重复操作，评估分割结果组内和组间的差异。


3.根据权利要求2所述的甲状腺微小癌消融术前颈部淋巴结良恶性预测方法，其特征是：特征提取中根据IBSI标准计算组学特征，包括有一阶直方图特征...

【专利技术属性】
技术研发人员：董怡，刘凌晓，王文平，
申请(专利权)人：复旦大学附属中山医院，
类型：发明
国别省市：上海;31