【技术实现步骤摘要】
一种优化影像组学体素相关变异性的去除批次效应方法
[0001]本专利技术涉及一种去除批次效应可以降低影像组学体素相关变异性,从而增加影像组学模型的泛化性的方法。
技术介绍
[0002]世界卫生组织国际癌症研究机构的研究表明,肺癌是威胁人类生命最严重的恶性肿瘤之一,作为全球癌症死亡的主要原因之一,造成严重的社会和经济负担。
[0003]一)影像组学研究现状
[0004]近年来,随着影像学检查技术的发展和人们体检意识的提高,肺结节的检出率也不断提高。胸部计算机断层扫描(Computed Tomography,CT)可以及时有效地发现肺结节。虽然肺结节的CT征象有助于临床的良恶性鉴别诊断和亚型分级,但是良恶性病变或不同临床活跃程度的恶性病变CT征象存在诸多交叉,放射诊断医师对病变CT征象的分析存在主观和经验的差异,因而需要更多的客观信息来明确诊断。随着计算能力的提高、深度学习(Deep Learning,DL)算法的发展以及医学大数据的应用,人工智能(Artificial Intelligence,AI)在医学领域蓬勃发展。
[0005]影像组学(Radiomics)是通过计算机高通量提取定量特征的方法,可以从医学影像图像中提取海量不同维度的数据,通过图像获取、分割、特征提取和模型建立与验证,将医学图像的主观性、定性的数据转化为客观性、定量的数据,以便实现数据挖掘分析。目前已经有很多关于肺结节的影像组学研究,影像组学模型虽然具有较好的肺腺癌鉴别诊断和亚型分析的效能,但是不同研究构建的模型特征不同,在 ...
【技术保护点】
【技术特征摘要】
1.一种优化影像组学体素相关变异性的去除批次效应方法,其特征在于,对于不同体素的CT扫描数据利用ComBat优化方法进行优化以去除批次效应,并通过以下步骤确认ComBat优化方法的有效性:步骤1、获取肺结节体模数据:使用CT扫描仪将肺部体模仰卧位平稳放置进行扫描,根据不同的体素大小将扫描参数分为两部分,按一个扫描参数完成扫描后将体模重新定位,重复同一个扫描参数再扫一次,获得测试
‑
重测的肺结节体模CT数据;步骤2、获取肺结节临床数据:回顾性收集所有肺结节或占位患者,基于排除标准排除相关患者后,获得患者的CT扫描数据,CT扫描参数和肺结节体模数据一样,但不进行测试
‑
重测扫描;步骤3、进行肺结节分割、标注:使用uAI Research Portal软件实现肺结节体模数据和肺结节临床数据上肺结节的自动分割,并对肺结节临床数据进行肺结节CT形态特征标注,该肺结节CT形态特征包括:最大径、最小径和平均径,最大径是结节最大层面的最长径,最小径是与最大径垂直的长度,平均直径是最大径和最小径的平均值;毛刺征;分叶征,弧弦距/弦长≥0.2;空洞,类圆形气体密度影,最大径>5mm;空泡,类圆形气体密度影,最大径<5mm;钙化,CT值≥150HU;瘤肺界面,如果能够勾勒出结节的轮廓则认为瘤肺界面清晰,否则认为瘤肺界面不清晰;支气管充气征;胸膜凹陷征;血管异常,包括血管集束征和血管膨大。。因为肺结节体模几乎都为球形,因此没有对肺结节体模的CT图像进行CT征象的标注和分析。步骤4、分别利用重采样优化方法以及ComBat优化方法对肺结节体模数据以及肺结节临床数据进行优化;步骤5、提取CT组学特征使用uAI Research Portal软件提取肺结节体模和临床数据的CT组学特征,包含:一阶统计特征、形状相关特征、纹理特征和高阶特征;步骤6、组学特征变异性分析提取CT组学特征之后,使用CCC为影像组学特征稳定性判断筛选标准并评价影像组学特征变异度大小;随后,在CCC筛选基础之上,采用动态范围筛选患者之间差异较大的影像组学特征,DR值的范围是0到1,越接近1表示该特征具有较大的生物学范围并具有良好的可重复性,越接近0则相反;认为CCC和DR均大于0.9的组学特征重复性高;再使用ICC来评估影像组学特征的再现性,ICC越高说明再现性越好;结合CCC、DR和ICC筛选标准,实现找出在前述不同扫描方案中表现出较高稳定性与潜在生物学标志可能性的影像组学特征子集,并使组学特征变异性可视化,对肺结节组学特征的变异性进行分层聚类分析;步骤7、进行真实临床数据验证。2.如权利要求1所述的一种优化影像组学体素相关变...
【专利技术属性】
技术研发人员:卓瑶瑶,单飞,张志勇,王青乐,詹艺,沈杰,范卓阳,曾蒙苏,
申请(专利权)人:复旦大学附属中山医院,
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。