【技术实现步骤摘要】
局部晚期直肠癌疗效预测方法、系统、介质、设备及终端
[0001]本专利技术属于数据处理
,尤其涉及一种局部晚期直肠癌疗效预测方法、系统、介质、设备及终端。
技术介绍
[0002]目前,新辅助放化疗(Neoadjuvant chemoradiotherapy,NCRT)已被证明可有效降低局部晚期直肠癌(Locally advanced rectal cancer,LARC)的分期。然而NCRT治疗后患者的治疗疗效差异很大,从病理完全缓解到疾病进展都可能出现,病理完全缓解(pathologic complete response,pCR)患者的生存率和肿瘤控制率最高,但只有约20%的患者出现病理完全缓解。因此,患者对NCRT的反应对于预后和管理决策尤其重要。此外,越来越多的证据表明,在达到pCR的患者中,可以省略根治性手术而不会影响肿瘤控制。
[0003]目前,治疗反应主要通过手术后的组织病理学评估来确定,包括治疗后病理T和N分期的确定;环切缘状态;和肿瘤消退分级(tumorregression grading,TRG)。然而,如果在切除之前可以获得这些信息,那么这些信息可能有助于指导手术方法。因此,开发无创反应评估模型用于术前预测患者对于NCRT治疗的反应,有助于制定更加精准的治疗方案。针对完全反应者,可以进行直肠保留术,提升患者治疗后的生活质量;无反应者可以直接进行手术,从而避免无效治疗的毒性。
[0004]影像组学方法作为一种非侵入性的图像分析方法,大量研究证实了其在肿瘤诊断、分期、治疗反应预 ...
【技术保护点】
【技术特征摘要】
1.一种局部晚期直肠癌疗效预测方法,其特征在于,所述局部晚期直肠癌疗效预测方法包括:在T2加权MRI上获取ROI区域,采用图像配准算法将DWI
‑
MRI、ADC
‑
MRI分别配准到T2w
‑
MRI;利用pyradiomics工具包进行影像组学特征的提取,分别使用统计学方法和Lasso算子进行特征筛选;使用基于stacking集成学习的方法进行病理反应预测模型的建模,实现局部晚期直肠癌疗效的预测。2.如权利要求1所述的局部晚期直肠癌疗效预测方法,其特征在于,所述局部晚期直肠癌疗效预测方法包括以下步骤:步骤一,进行MRI图像及ROIs获取;步骤二,进行影像组学特征提取及筛选。3.如权利要求2所述的局部晚期直肠癌疗效预测方法,其特征在于,所述步骤一中的MRI图像及ROIs获取包括:(1)在T2加权MRI上获取病人的三种ROI区域;(2)采用图像配准算法将DWI
‑
MRI、ADC
‑
MRI分别配准到T2w
‑
MRI。4.如权利要求3所述的局部晚期直肠癌疗效预测方法,其特征在于,所述步骤(1)中的ROI区域包括直肠肿瘤ROI、系膜内阳性淋巴结ROI以及系膜外淋巴结区ROI;所述在T2加权MRI上获取病人的ROI区域包括:1)直肠肿瘤ROI:整个肿瘤排除肠腔,粘液腺癌包括粘液部分;2)系膜内阳性淋巴结ROI:位于直肠系膜内且直径≥5mm,信号异常的淋巴结;3)系膜外淋巴结区ROI:包括髂内淋巴结区、闭孔淋巴结区。5.如权利要求2所述的局部晚期直肠癌疗效预测方法,其特征在于,所述步骤二中的影像组学特征提取及筛选包括:(1)影像组学特征提取:基于分割的ROI区域使用pyradiomics工具包进行影像组学特征的提取,提取全面描述肿瘤空间异质性的特征;(2)影像组学特征筛选:分别使用统计学方法和Lasso算子进行特征筛选;(3)机器学习建模:使用基于stacking集成学习的方法进行病理反应预测模型的建模,结合不同参数MRI及不同ROI区域的特征;所述步骤(1)中的ROI区域包括三种MRI图像和三种ROI;所述特征包括一阶统计学特征、形状特征、二阶纹理特征、高阶纹理特征以及衍生图像特征,最终每种图像每种ROI提取到800多个影像组学特征;所述步骤(2)中的影像组学...
【专利技术属性】
技术研发人员:王辛,姚宇,陈晓清,王森,窦猛,唐媛琳,盛雷鸣,陈哲彬,罗旭,朱遥遥,付麟杰,苗栋,
申请(专利权)人:中科院成都信息技术股份有限公司,
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。