本发明专利技术提供了一种基于医学图像的肝脏储备功能量化评估方法、装置、电子设备和计算机可读存储介质，本发明专利技术采用肝癌患者术前上腹部增强CT中肝脏门脉期图像，结合患者的临床生化检测数据，经机器学习分析模块处理后，可自动输出吲哚菁绿第15分钟滞留率(ICGR15)数值，即机器学习预测值，为临床医生的手术决策提供依据，因此具有良好的实际应用之价值。使用本申请的预测模型耗时短、准确度高、不用购买数百万的仪器和不存在试剂过敏风险。万的仪器和不存在试剂过敏风险。万的仪器和不存在试剂过敏风险。
【技术实现步骤摘要】
基于医学图像的肝脏储备功能量化评估方法和装置
[0001]本专利技术涉及基于影像组学开发的肝脏储备功能量化评估领域。
技术介绍
[0002]迄今为止，肝切除术是根治各种原发性和继发性肝脏肿瘤的重要方法。然而，虽然围手术期管理和肝切除术技术已得到长足的进步，但是肝切除术后仍会发生多种危及生命安全的并发症，其中尤以肝切除术后肝功能衰竭(PHLF)最为严重。PHLF是指肝切除术术后多种原因引起的严重肝脏损害，肝脏合成、解毒、排泄和生物转化等功能发生严重障碍或失代偿，患者术后出现以凝血功能障碍、黄疸、肝性脑病、腹腔积液等为主要表现的一组临床症候群。2011年国际肝脏外科研究小组(ISGLS)在归纳总结了几十项关于PHLF研究的基础上，提出了PHLF的统一定义和严重程度分级标准。ISGLS小组将PHLF定义为术后肝脏合成、分泌、解毒等功能受损，主要以总胆红素(TB)和国际标准化比值(INR)作为评估标准，即术后第5天或之后TB和INR升高且大于正常值上限。值得注意的是，胆道梗阻引起的临床症状和实验室检查指标的改变应该被剔除。此外，ISGLS小组将PHLF严重程度共分为3个等级，PHLF A级被定义为肝功能暂时性、小范围恶化，在常规治疗中不需要任何特殊处理。PHLF B级被定义为偏离了术后常规临床管理，患者病情仍处于可控范围，需要借助非侵入性手段进行治疗，PHLF C级被定义为患者出现严重的肝衰竭或多器官功能衰竭，需要侵入性治疗进行干预。PHLF是肝切除术后患者死亡的主要原因，PHLF的发生会延长患者住院时间，影响患者的远期预后。术前准确评估肝癌患者的肝脏储备功能，制定完善的手术方案，慎重进行手术决策，这对于预防PHLF的发生具有重要意义。
[0003]虽然近年来不断涌现出多种评估肝脏储备功能的方法，例如，以往采用的肝脏储备功能评分包括Child
‑
Pugh评分、MELD评分和ALBI评分等评分系统来计算肝脏储备功能，但吲哚菁绿(ICG)清除率试验仍然是目前使用最广泛的方法。ICG清除率检测是一种可以有效评估肝脏有效血流量和肝细胞功能的定量测试，具有排泄速度快、不参与体内化学反应、不进入肠肝循环、不存在淋巴逆流和不从肾等其他肝外脏器排泄等诸多优点，该方法技术成熟，被广泛应用于手术决策。
[0004]然而，ICG清除率测试需要依赖昂贵的检测设备和专用检测试剂，难以在基层医院推广普及，例如，日本研发的DDG
‑
3300K肝功能分析仪是开展ICG清除试验的一个价格昂贵的设备，仅需15分钟即可获得ICGR15的数值，该仪器采用的检测方法为PDD法，PDD法的原理为当血液中存在两个不同的吸光物质时，用两个不同的波长照射组织获得透过光的脉冲，可以求出血液中的这两个吸光物质的浓度比，这称为脉搏分光光度测定法，简称为脉搏光度法。除此以外，静脉注射ICG光敏染料可能引起不良反应，例如恶心、发热和过敏反应。因此，我们迫切需要开发一种简化的替代工具，以帮助临床医生在日常工作中快速且安全地获取ICGR15的数值。
[0005]肝脏储备功能是指肝脏受到创伤和打击时维持正常生理功能的代偿能力，准确评估肝脏储备功能是指导外科医生进行精准肝切的必要手段。临床上主要采用吲哚菁绿
(ICG)清除率检测定量评价肝脏储备功能，但是ICG清除率检测需要依赖特殊的设备和检测试剂，还可能发生过敏反应。
技术实现思路
[0006]为了克服现有技术中的ICG清除测试存在设备依赖，检查繁琐，且可能发生不良反应，不易于普及推广的问题。本申请的第一个方面提供一种基于影像组学的肝脏储备功能量化评估方法，包括：
[0007]步骤S1：构建肝脏储备功能预测模型，其包括：
[0008]步骤S1.1：获取若干肝癌患者的术前上腹部增强CT门脉期医学图像上的感兴趣区域的影像组学特征数据和术前临床生化检测指标数据；本步骤中的所述肝癌患者为已经确诊为患有肝癌的患者。
[0009]步骤S1.2：采用spearman相关分析筛选出与ICGR15高度相关的影像组学特征和临床变量；
[0010]步骤S1.3：对于筛选出的与ICGR15高度相关的影像组学特征和临床变量，基于五折交叉验证获取XGBoost机器学习算法的最佳参数组合，即完成肝脏储备功能预测模型的构建；
[0011]步骤S2：将肝癌患者的术前上腹部增强CT门脉期图像上的感兴趣区域的影像组学特征数据和术前临床生化检测指标数据输入肝脏储备功能预测模型，肝脏储备功能预测模型自动利用XGBoost机器学习算法，自动将当前筛选出的CT影像组学特征和临床检测变量进行联合分析，即可自动输出ICGR15数值。耗时短且准确度高。本步骤中的所述肝癌患者为已经确诊为患有肝癌的患者。ICGR15数值<10的患者可以耐受三个肝段以上的肝切除(即该患者肝脏可切除体积更多，不至于术后发生因肝脏剩余体积过少而出现肝功能衰竭)。
[0012]本专利使用肝脏门脉期图像的优势如下：
[0013](1)从上腹部增强CT门脉期图像中可以很好区分出肝脏组织和其他周围组织，使得肝实质区域标注和后续特征提取的结果更为准确；
[0014](2)已有研究证实，与其他扫描时相相比，从上腹部增强CT门脉期图像数据中提取的图像特征在更为标准、稳定，符合imaging Biomarker Standardization Initiative(IBSI)影像成像协议(一种公认的成像标准)，有利于研究结果在不同医疗中心的推广使用；
[0015](3)目前有大量的研究都选择了增强CT门脉期图像进行研究。
[0016]进一步地，步骤S1.1包括：(1)采用手工勾画的方式借助3D Slicer软件对术前上腹部增强CT门脉期医学图像进行感兴趣区域的分割和标注；(2)使用LoG过滤器进行图像处理；(3)使用Pyradiomics提取出影像组学特征。
[0017]进一步地，所述影像组学特征选自肝组织一阶特征、形状特征、大小特征、灰度共生矩阵特征、灰度大小区域矩阵特征、灰度运行长度矩阵特征、相邻灰度差异矩阵特征、灰度依赖矩阵特征中的一种或多种。
[0018]进一步地，步骤S1.2包括：(1)基于获取的所有影像组学特征，计算组内和组间的ICC数值；(2)选择组间和组内的ICC数值均大于0.75的影像组学特征，进一步评估任意两个影像组学特征之间的相关性，如果两个影像组学特征之间的相关性|Rho|>0.9，则排除两个
影像组学特征中的任意一个；(3)采用spearman相关性分析评估ICGR15与所有参数之间的相关性，其中，所有参数包括术前临床生化检测指标和(2)中筛选出的影像组学特征；(4)筛选出|Rho|>0.3的影像组学特征和|Rho|>0.3的临床生化检测指标，即得与ICGR15高度相关的影像组学特征和临床变量。
[0019]进一步地，基于影像组学的肝脏储备功能量化评估方法进一步包括步骤S3：当输入数据异常时，发本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于影像组学的肝脏储备功能量化评估方法，其特征在于，包括：步骤S1：构建肝脏储备功能预测模型，其包括：步骤S1.1：获取若干肝癌患者的术前上腹部增强CT门脉期医学图像上的感兴趣区域的影像组学特征数据和术前临床生化检测指标数据；步骤S1.2：采用spearman相关性分析筛选出与ICGR15高度相关的影像组学特征和临床变量；步骤S1.3：对于筛选出的与ICGR15高度相关的影像组学特征和临床变量，基于五折交叉验证获取XGBoost机器学习算法的最佳参数组合，即完成肝脏储备功能预测模型的构建；步骤S2：将肝癌患者的术前上腹部增强CT门脉期图像上的感兴趣区域的影像组学特征数据和术前临床生化检测指标数据输入肝脏储备功能预测模型，即可自动输出ICGR15数值。2.如权利要求1所述基于医学图像的肝脏储备功能量化评估方法，其特征在于，步骤S1.1包括：(1)采用手工勾画的方式借助3D Slicer软件对术前上腹部增强CT门脉期医学图像进行感兴趣区域的分割和标注；(2)使用LoG过滤器进行图像处理；(3)使用Pyradiomics提取出影像组学特征。3.如权利要求2所述基于医学图像的肝脏储备功能量化评估方法，其特征在于，所述影像组学特征选自肝组织一阶特征、形状特征、大小特征、灰度共生矩阵特征、灰度大小区域矩阵特征、灰度运行长度矩阵特征、相邻灰度差异矩阵特征、灰度依赖矩阵特征中的一种或多种。4.如权利要求1所述基于医学图像的肝脏储备功能量化评估方法，其特征在于，步骤S1.2包括：(1)基于获取的所有影像组学特征，计算组内和组间的ICC数值；(2)选择组间和组内的ICC数值均大于0.75的影像组学特征，进一步评估任意两个影像组学特征之间的相关性，如果两个影像组学特征之间的相关性|Rho|>0.9，则排除两个影像组学特征中的任意一个；(3)采用spearman相关性分析评估ICGR15与所有参数之间的相关性，其中，所有参数包括术前临床生化检测指标和(2)中筛选出的影像组学特征；(4)筛选出|Rho|>0.3的影像组学特征和|Rho|>0.3的临床生化检测指标，即得与ICGR15高度相关的影像组学特征和临床变量。5.如权利要求1
‑
4任一所述基于医学图像的肝脏储备功能量化评估方法，其特征在于，进一步包括步骤S3：当输入数据异常时，发出异常预警，并根据数据类型追溯数据异常的输入数据；当运行状态异常时，输出异常值并分析异常原因。6.一种基于影像组学的肝脏储备功能量化评估装置，其特征在于，包括：数据获取模块、数据...
【专利技术属性】
技术研发人员：薛峰，夏强，杨玉婷，吴忌，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：
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。