影像组学特征提取方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术的实施例提供了一种影像组学特征提取方法、装置、电子设备及存储介质，涉及图像处理技术领域。获取样本集中的原始影像数据，对原始影像数据进行预处理，得到优化影像数据；对优化影像数据进行特征提取，得到第一特征提取结果；将预设稳定特征与第一特征提取结果进行匹配，得到第二特征提取结果；基于第二特征提取结果对多个初始特征提取模型进行训练，得到多个优化特征提取模型；将性能评估得分最高的优化特征提取模型确定为目标特征提取模型，根据目标特征提取模型确定对当前影像数据的预测结果。本申请能够有效解决现有影像组学特征提取及分类问题中特征冗余、缺少解释的问题。的问题。的问题。

【技术实现步骤摘要】
影像组学特征提取方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像处理
，具体而言，涉及一种影像组学特征提取方法、装置、电子设备及存储介质。

技术介绍

[0002]影像组学特征提取是从医学影像数据中提取高通量定量信息的过程。现有的影像组学特征提取方法具有以下缺陷：首先，特征提取过程中可能会提取大量的特征，其中一些特征可能具有高度的相关性或冗余，部分特征可能是不可重复的不稳定特征，这会导致模型过拟合和泛化能力降低；其次，很多影像组学特征缺乏明确的生物学解释，导致临床应用受限。

技术实现思路

[0003]为了解决上述技术问题，本申请实施例提供了一种影像组学特征提取方法、装置、电子设备及存储介质。
[0004]第一方面，本申请实施例提供了一种影像组学特征提取方法，所述方法包括：
[0005]获取样本集中的原始影像数据，对所述原始影像数据进行预处理，得到优化影像数据；
[0006]对所述优化影像数据进行特征提取，得到第一特征提取结果；
[0007]将预设稳定特征与所述第一特征提取结果进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种影像组学特征提取方法，其特征在于，所述方法包括：获取样本集中的原始影像数据，对所述原始影像数据进行预处理，得到优化影像数据；对所述优化影像数据进行特征提取，得到第一特征提取结果；将预设稳定特征与所述第一特征提取结果进行匹配，得到第二特征提取结果，所述预设稳定特征包括第一特征名称和第一特征生物学解释；基于所述第二特征提取结果对多个初始特征提取模型进行训练，得到多个优化特征提取模型；对各所述优化特征提取模型进行性能评估，将性能评估得分最高的所述优化特征提取模型确定为目标特征提取模型；将实时影像数据输入所述目标特征提取模型，得到实时预测结果。2.根据权利要求1所述的方法，其特征在于，所述对所述原始影像数据进行预处理，包括：对所述原始影像数据进行质量改善处理，得到改善影像数据；对所述改善影像数据进行强度标准化和强度归一化，得到标准影像数据；对所述标准影像数据进行切割，得到区域影像数据；对所述区域影像数据进行重采样，得到所述优化影像数据。3.根据权利要求2所述的方法，其特征在于，所述对所述原始影像数据进行预处理，还包括：若各所述原始影像数据的采集时间点或模态不同，则将所述样本集中的第一张原始影像数据确定为配准模板；根据所述配准模板调整所述样本集中剩余的原始影像数据的采集时间点或模态。4.根据权利要求1所述的方法，其特征在于，所述第一特征提取结果包括多个初步提取特征，所述将预设稳定特征与所述第一特征提取结果进行匹配，得到第二特征提取结果，包括：获取各所述初步提取特征的第二特征名称；若所述初步提取特征的第二特征名称与所述第一特征名称相同，则将所述初步提取特征确定为目标特征；将所述目标特征的集合确定为所述第二特征提取结果。5.根据权利要求1所述的方法，其特征在于，所述初始特征提取模型为特征选择算法和分类器的组合；所述特征选择算法包括最小冗余最大相关性、递归特征消除、LASSO算法、Ridge回归、主成分分析、线性判别分析、互信息、t
‑

【专利技术属性】
技术研发人员：万齐，周嘉璇，李新春，
申请(专利权)人：广州医科大学附属第一医院广州呼吸中心，
类型：发明
国别省市：