一种基于影像组学的肺孢子菌和肺曲霉菌感染识别系统技术方案

本发明专利技术公开了种基于影像组学的肺孢子菌和肺曲霉菌感染识别系统，涉及影像组学预测技术领域。包括：数据获取模块获取肺部真菌感染的影像信息并进行预处理；特征提取模块对预处理后的真菌感染影像进行感兴趣区域勾画；根据感兴趣区域提取影像组学特征；特征筛选模块将滤波处理后的影像组学特征通过降维方法进行筛选；模型构建模块采用不同监督机器学习分类器对筛选后的影像组学特征进行训练得到影像组学预测模型；识别预测模块利用影像组学预测模型对肺部真菌感染进行早期的预测识别。本发明专利技术基于IPA和PJP的不同特性，构建影像组学预测模型，实现侵袭性肺曲霉菌病和卡氏肺孢子菌肺炎的准确识别。炎的准确识别。炎的准确识别。

【技术实现步骤摘要】
一种基于影像组学的肺孢子菌和肺曲霉菌感染识别系统


[0001]本专利技术涉及影像组学预测
，尤其涉及一种基于影像组学的肺孢子菌和肺曲霉菌感染识别系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]卡氏肺孢子菌和侵袭性肺曲霉菌都属于肺部真菌感染最重要的病原体，侵袭性肺曲霉菌引起的侵袭性肺曲霉菌病(IPA)是所有肺曲菌病中最严重的一种，死亡率最高。IPA特征性发生于免疫功能低下的个体，包括长期中性粒细胞减少症、恶性血液病、实体器官或造血干细胞移植。IPA可引起咳嗽、胸痛、咯血、严重呼吸困难，甚至呼吸衰竭等症状，且不易诊断和治疗。
[0004]卡氏肺孢子菌是一种特殊的真菌病原体，也可引起严重的机会性肺炎卡氏肺孢子菌肺炎(PJP)，其大多发生在免疫功能受损的患者，包括器官移植、癌症和恶性血液病。PJP的典型症状包括发热、咳嗽和低氧血症，可迅速加重并导致严重的呼吸衰竭。
[0005]现有技术中，胸部计算机断层扫描(CT)常用于诊断疑似PJP和IPA的患者，PJP的典型影像包括肺内的磨玻璃密度影，弥漫性分布或分散，与正常肺组织交错。IPA的典型CT表现包括结节、磨玻璃样影(GGO)、节段性实变、胸腔积液或空腔，肺内GGO可合并成结节性甚至块状实变混浊。然而，PJP或IPA的这些表现是非特异性的，常常在临床上难以鉴别。而IPA和PJP的治疗手段有很大的不同，正确的影像学诊断可以在微生物学确认之前早期开始有针对性的治疗，并显著改善患者的预后。因此，如何在肺部真菌感染早期进行IPA或PJP的准确识别成为现有技术亟待解决的问题。

技术实现思路

[0006]针对现有技术存在的不足，本专利技术的目的是提供一种基于影像组学的肺孢子菌和肺曲霉菌感染识别系统，基于IPA和PJP的不同特性，构建影像组学预测模型，实现侵袭性肺曲霉菌病和卡氏肺孢子菌肺炎的准确识别。
[0007]为了实现上述目的，本专利技术是通过如下的技术方案来实现：
[0008]本专利技术第一方面提供了一种基于影像组学的肺孢子菌和肺曲霉菌感染识别系统，包括：
[0009]数据获取模块，用于获取肺部真菌感染的影像信息，并对真菌感染影像进行预处理；
[0010]特征提取模块，用于对预处理后的真菌感染影像进行感兴趣区域勾画，并对勾画后的真菌感染影像进行标记；根据感兴趣区域提取影像组学特征；
[0011]特征筛选模块，用于将影像组学特征进行滤波处理，将滤波处理后的影像组学特征通过降维方法进行筛选；
[0012]模型构建模块，用于采用不同监督机器学习分类器对筛选后的影像组学特征进行训练得到影像组学预测模型，从中选取最优影像组学预测模型作为最终的影像组学预测模型；
[0013]识别预测模块，用于利用影像组学预测模型对肺部真菌感染进行早期的预测识别。
[0014]进一步的，所述真菌感染影像为从胸廓入口扫描至横膈膜的胸部CT图像。
[0015]进一步的，肺部真菌感染的影像信息为采用纤维支气管镜肺泡灌洗液样本检测宏基因组第二代测序结果显示阳性，并在任何治疗前进行胸部平扫CT扫描的真菌感染影像。
[0016]进一步的，对真菌感染影像进行预处理包括对不合格的真菌感染影像进行排除，排除标准包括：(1)存在运动伪影，图像质量差，扫描条件差异大的CT图像；(2)治疗无效或临床怀疑为混合感染，病原体不能确诊的CT图像；(3)除IPA和PJP外其他的或未确诊的肺炎或疾病的CT图像。
[0017]进一步的，对预处理后的真菌感染影像进行感兴趣区域勾画，勾画范围只包括实变区域；如果病变内部包含空腔则被纳入，与感兴趣区域相邻的纵隔、胸膜和胸腔积液不被勾画在内。
[0018]进一步的，对预处理后的真菌感染影像进行感兴趣区域勾画，勾画范围为实变区域及周边磨玻璃样影区域。
[0019]进一步的，将影像组学特征进行滤波处理的具体步骤为：
[0020]将影像组学特征根据特征内容分为一阶统计量特征、形状特征和纹理特征三类；
[0021]对每一类影像组学特征采用过滤器进行滤波处理。
[0022]更进一步的，一阶统计量特征包含126个描述CT图像中体素强度分布的描述符；形状特征包含14个反映区域形状和大小的三维特征；纹理特征包括能够量化区域异质性差异的525个纹理特征。
[0023]更进一步的，一阶统计量特征、形状特征和纹理特征通过不同过滤器分别过滤得到最终的影像组学特征值，影像组学特征值包括拉普拉斯高斯滤波、小波分析、平方值、平方根、对数特征和指数特征。
[0024]进一步的，采用受试者工作特征曲线和曲线下面积来评估影像组学预测模型的预测性能。
[0025]以上一个或多个技术方案存在以下有益效果：
[0026]本专利技术公开了一种基于影像组学的肺孢子菌和肺曲霉菌感染识别系统，利用影像组学预测模型实现了对肺部真菌感染中IPA和PJP的早期准确鉴别，通过对影像学资料的筛选剔除以及特征区域的精准提取提高了模型构建的准确性，通过多种监督机器学习分类器进行模型构建选取最优模型，并且采用受试者工作特征(ROC)曲线和曲线下面积(AUC)来评估影像组学预测模型的预测性能，进一步保证了模型预测性能的准确程度，为IPA和PJP的早期治疗提供了有力的技术支持，大大降低了误诊误判的概率。
[0027]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0028]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0029]图1为本专利技术实施例中影像组学预测模型构建过程示意图；
[0030]图2为本专利技术实施例中CT图像和ROI分割示意图；
[0031]图3(a)为本专利技术实施例中一种特征提取和筛选结果示意图；
[0032]图3(b)为本专利技术实施例中另一种特征提取和筛选结果示意图；
[0033]图3(c)为本专利技术实施例中另一种特征提取和筛选结果示意图；
[0034]图3(d)为本专利技术实施例中另一种特征提取和筛选结果示意图；
[0035]图3(e)为本专利技术实施例中另一种特征提取和筛选结果示意图；
[0036]图4为本专利技术实施例中训练队列和验证队列中以实性区域及周围GGO区域训练的XGBoost分类器的ROC曲线图；
[0037]图5为本专利技术实施例中训练队列和验证队列的radscore预测模型的ROC曲线图；
[0038]图6为本专利技术实施例中预测模型列线图。
具体实施方式
[0039]应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0040]应当说明的是，本申请实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于影像组学的肺孢子菌和肺曲霉菌感染识别系统，其特征在于，包括：数据获取模块，用于获取肺部真菌感染的影像信息，并对真菌感染影像进行预处理；特征提取模块，用于对预处理后的真菌感染影像进行感兴趣区域勾画，并对勾画后的真菌感染影像进行标记；根据感兴趣区域提取影像组学特征；特征筛选模块，用于将影像组学特征进行滤波处理，将滤波处理后的影像组学特征通过降维方法进行筛选；模型构建模块，用于采用不同监督机器学习分类器对筛选后的影像组学特征进行训练得到影像组学预测模型，从中选取最优影像组学预测模型作为最终的影像组学预测模型；识别预测模块，用于利用影像组学预测模型对肺部真菌感染进行早期的预测识别。2.如权利要求1所述的种基于影像组学的肺孢子菌和肺曲霉菌感染识别系统，其特征在于，所述真菌感染影像为从胸廓入口扫描至横膈膜的胸部CT图像。3.如权利要求1所述的种基于影像组学的肺孢子菌和肺曲霉菌感染识别系统，其特征在于，肺部真菌感染的影像信息为采用纤维支气管镜肺泡灌洗液样本检测宏基因组第二代测序结果显示阳性，并在任何治疗前进行胸部平扫CT扫描的真菌感染影像。4.如权利要求1所述的种基于影像组学的肺孢子菌和肺曲霉菌感染识别系统，其特征在于，对真菌感染影像进行预处理包括对不合格的真菌感染影像进行排除，排除标准包括：(1)存在运动伪影，图像质量差，扫描条件差异大的CT图像；(2)治疗无效或临床怀疑为混合感染，病原体不能确诊的CT图像；(3)除IPA和PJP外其他的或未确诊的肺炎或疾病的CT图像。...

【专利技术属性】
技术研发人员：扈煜，彭志国，高兴哲，
申请(专利权)人：山东大学齐鲁医院，
类型：发明
国别省市：