一种基于ANN辅助的颈部淋巴结转移状态检测方法技术

本发明专利技术公开了一种基于ANN辅助的颈部淋巴结转移状态检测方法，包括：S1：数据采集：采集来自口腔癌患者的CT图像和临床信息；S2：数据预处理：使用3DSlicer软件勾画CT图像中的病变区域和周围组织区域，再利用算法半自动勾画出病变区域，并将其转换为感兴趣区域；S3：影像组学特征提取：根据临床信息提取出口腔癌患者的纹理值，并将感兴趣区域和纹理值导入影像组学特征提取软件中，生成数据集；S4：特征降维和建立人工神经网络模型：在数学软件工具中构建人工神经网络模型，将数据集作为人工神经网络模型的输入层，且对数据集进行降维处理，通过降维结果预测患者的颈部淋巴结状态。本发明专利技术的一种基于ANN辅助的颈部淋巴结转移状态检测方法准确性高。准确性高。准确性高。

【技术实现步骤摘要】
一种基于ANN辅助的颈部淋巴结转移状态检测方法


[0001]本专利技术涉及一种基于ANN辅助的颈部淋巴结转移状态检测方法。

技术介绍

[0002]ANN是指由大量的处理单元(神经元)互相连接而形成的复杂网络结构，是对人脑组织结构和运行机制的某种抽象、简化和模拟。人工神经网络(Artificial Neural Network，简称ANN)，以数学模型模拟神经元活动，是基于模仿大脑神经网络结构和功能而建立的一种信息处理系统。
[0003]颈部淋巴结(LN)状态显著影响生存率，并决定了口腔癌的手术方案，特别是在口腔癌中，它约占口腔癌的三分之一，有20
‑
40％的患者发生隐匿性颈部转移。术前准确发现这些隐匿的淋巴结转移是必要的。
[0004]多种影像学手段可用于检测头颈部肿瘤的淋巴结转移。其中，计算机断层扫描(CT)是一种无创、省时、经济的方式，最广泛用于术前淋巴结信息基于形态学变化的分期，其准确性取决于放射科医生的经验，通过肉眼观察，再做出预测，然而目前准确性不足，需要通过辅助工具得到改进。
[0005]然而，在无创性的检测中，至今未发现一种合适的手段可以明确是否存在隐匿性淋巴结转移，制约了医生的治疗。更重要的是，早期口腔癌中对是否进行颈部清扫术存在争议，因此，改进口腔癌患者淋巴结转移的检测方法至关重要。

技术实现思路

[0006]针对现有技术存在的上述不足，本专利技术的目的在于：通过构建人工神经网络模型对患者的颈部淋巴结状态进行预测，解决了放射科医生通过经验对淋巴结转移状态做出预测，导致准确性不足的问题。
[0007]本专利技术提供了一种基于ANN辅助的颈部淋巴结转移状态检测方法，包括：
[0008]S1：数据采集：采集来自口腔癌患者的CT图像和临床信息；
[0009]S2：数据预处理：使用3DSlicer软件勾画CT图像中的病变区域和周围组织区域，再利用算法半自动勾画出病变区域，并将其转换为感兴趣区域；
[0010]S3：影像组学特征提取：根据临床信息提取出口腔癌患者的纹理值，并将感兴趣区域和纹理值导入影像组学特征提取软件中，生成数据集；
[0011]S4：特征降维和建立人工神经网络模型：在数学软件工具中构建人工神经网络模型，将数据集作为人工神经网络模型的输入层，且对数据集进行降维处理，通过降维结果预测患者的颈部淋巴结状态。
[0012]进一步地，所述CT图像每层均为512
×
512的像素矩阵，每个像素对应实际体积为0.4
×
0.4
×
0.75cm3，管电压为120kV，管电流为225
‑
300mA，便于特征提取。
[0013]进一步地，所述S3中，在将感兴趣区域导入影像组学特征提取软件之前，检查感兴趣区域，重复S2的步骤，直至移除感兴趣区域中的硬组织和空气。
[0014]进一步地，所述S3中，将提取的纹理值以完备率q分别设为0.95和0.99进行数据降维，结果分别生成28组和83组组合特征。
[0015]进一步地，所述S4中，包括四个人工神经网络模型，分别为q值为0.95且含有临床淋巴结状态预测结果的影像组学模型CNRAD95、q值为0.99且含有临床淋巴结状态预测结果的影像组学模型CNRAD99、q值为0.95但未含有临床淋巴结状态预测结果的影像组学模型RAD95、q值为0.99但未含有临床淋巴结状态预测结果的影像组学模型RAD99。
[0016]进一步地，所述S4中，构建了受试者工作特征曲线ROC以便于对四组模型进行评价和比较。
[0017]进一步地，所述S4中，将采集的患者数据根据口腔癌患者的不同阶段进行分组，对四组模型进行分组比较。
[0018]进一步地，所述影像组学特征提取软件为IBEX软件，数学软件工具为MATLAB软件，IBEX是基于MATLAB的开源软件。
[0019]相比于现有技术，本专利技术具有以下优点：
[0020]本专利技术提供的一种基于ANN辅助的颈部淋巴结转移状态检测方法，利用3DSlicer软件中的算法将CT图像中的病变区域转换为感兴趣区域，结合提取出的纹理值导入影像组学特征提取软件中得到数据集，通过建立的人工神经网络模型，将数据集降维，通过降维结果可对新输入的口腔癌患者淋巴结状态进行预测，且通过人工神经网络辅助下的淋巴结状态预测结果比通过肉眼观察做出的预测结果更为准确，有效改善了口腔癌患者淋巴结转移的检测方法。
附图说明
[0021]图1为本专利技术实施例一种基于ANN辅助的颈部淋巴结转移状态检测方法的流程示意图；
[0022]图2为本专利技术实施例一种基于ANN辅助的颈部淋巴结转移状态检测方法的数据库病例临床特征示意图；
[0023]图3为本专利技术实施例一种基于ANN辅助的颈部淋巴结转移状态检测方法的准确性统计分析示意图；
[0024]图4为本专利技术实施例一种基于ANN辅助的颈部淋巴结转移状态检测方法的受试者工作特征曲线ROC示意图；
[0025]图5为本专利技术实施例一种基于ANN辅助的颈部淋巴结转移状态检测方法的四组模型与人工阅片净重新分类指数NRI对比示意图。
具体实施方式
[0026]下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只是作为示例，而不能以此来限制本专利技术的保护范围。
[0027]一种基于ANN辅助的颈部淋巴结转移状态检测方法，如图1所示为一种基于ANN辅助的颈部淋巴结转移状态检测方法的流程示意图，包括：
[0028]S1：数据采集：采集来自口腔癌患者的CT图像和临床信息，纳入了313例舌部鳞状
细胞癌患者的临床信息和CT图像作为预测颈部淋巴结状态的训练材料，且为了提高预测结果的准确性，该材料在国际伦理标准的指导下进行。其中，CT图像每层均为512
×
512的像素矩阵，每个像素对应实际体积为0.4
×
0.4
×
0.75cm3，管电压为120kV，管电流为225
‑
300mA，便于特征提取。
[0029]具体的，国际伦理标准的符合标准包括：
[0030]1、接受原发肿瘤切除和颈部清扫；
[0031]2、组织学诊断为鳞状细胞癌；
[0032]3、术前20天内进行头颈部计算机断层扫描的数据；
[0033]4、具有详细的临床信息。
[0034]国际伦理标准的排除标准包括：
[0035]1、有既往肿瘤病史；
[0036]2、术前有化疗或放疗；
[0037]3、术前发生远处转移；
[0038]4、CT扫描未见可见肿瘤病变；
[0039]5、伪影引起了影像学干扰。
[0040]符合上述标准的训练材料可保证测结果的准确性。
[0041]S2：数据预处理：使用3DSlicer软件勾画CT图像中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ANN辅助的颈部淋巴结转移状态检测方法，包括以下步骤：S1：数据采集：采集来自口腔癌患者的CT图像和临床信息；S2：数据预处理：使用3DSlicer软件勾画CT图像中的病变区域和周围组织区域，再利用算法半自动勾画出病变区域，并将其转换为感兴趣区域；S3：影像组学特征提取：根据临床信息提取出口腔癌患者的纹理值，并将感兴趣区域和纹理值导入影像组学特征提取软件中，生成数据集；S4：特征降维和建立人工神经网络模型：在数学软件工具中构建人工神经网络模型，将数据集作为人工神经网络模型的输入层，且对数据集进行降维处理，通过降维结果预测患者的颈部淋巴结状态。2.根据权利要求1所述的一种基于ANN辅助的颈部淋巴结转移状态检测方法，其特征在于，所述CT图像每层均为512
×
512的像素矩阵，每个像素对应实际体积为0.4
×
0.4
×
0.75cm3，管电压为120kV，管电流为225
‑
300mA，便于特征提取。3.根据权利要求1所述的一种基于ANN辅助的颈部淋巴结转移状态检测方法，其特征在于，所述S3中，在将感兴趣区域导入影像组学特征提取软件之前，检查感兴趣区域，重复S2的步骤，直至移除感兴趣区域中的硬组织和空气。4.根据...

【专利技术属性】
技术研发人员：伍文杰，钟奕伟，姜寅，张杰，郑磊，
申请(专利权)人：北京大学口腔医学院，
类型：发明
国别省市：