一种肺癌分类模型制造技术

本发明专利技术提供一种非小细胞肺癌

【技术实现步骤摘要】
一种肺癌分类模型、精准个体化治疗规划系统及设备


[0001]本专利技术涉及肺癌患者精准个体化治疗
，具体涉及一种肺癌分类模型
、
精准个体化治疗规划系统及设备
。

技术介绍

[0002]肺癌是全球高发的恶性肿瘤之一，死亡率居全球恶性肿瘤的首位
。
非小细胞肺癌
(NON
‑
SMALL CELL LUNG CANCER,NSCLC)
占原发性肺癌的
80
％
‑
90
％，约
50
％的
NSCLC
患者确诊时已是晚期
(III
期或
IV
期
)
，5年生存率仅为
18
％
。
近年来，晚期
NSCLC
患者的治疗取得了突破性进展，分子靶向药物的应用显著提高了基因突变患者的生存期
。
研究表明，肿瘤组织中表皮生长因子受体
(EPIDERMAL GROWTH FACTOR REC本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种非小细胞肺癌
EGFR
突变情况分类模型构建方法，其特征在于，包括：收集多位非小细胞肺癌患者的影像数据和
EGFR
突变情况；对影像数据进行标注，勾画病灶区域；对标注后的影像数据进行预处理；对预处理后的影像数据进行高通量特征提取以及特征选择，得到最优特征；对预处理后的影像数据使用肺野分割模型进行深度特征提取，得到多维度深度神经网络特征；根据最优特征和多维度深度神经网络特征，使用机器学习构建
EFGR
突变状态分类模型
。2.
根据权利要求1所述的分类模型构建方法，其特征在于，所述影像数据包括
CT
图像和
/
或
MR
图像
。3.
根据权利要求1所述的分类模型构建方法，其特征在于，对预处理后的影像数据进行高通量特征提取以及特征选择，得到最优特征，包括：建立随机森林，将多张影像数据图像的所有一阶特征
、
形状特征
、
纹理特征和滤波特征作为随机森林的输入，将
EGFR
突变状态作为随机森林的输出，使用随机森林算法计算，得出
EGFR
突变状态的分类结果；根据
EGFR
突变状态的分类结果，计算特征变量的相对重要性，并对特征变量的重要性进行排序；根据重要性排序结果，对各特征变量之间的相关性进行评估，并对各特征变量之间的相关性程度进行排序；相关性排序结果得出第一特征变量；使用岭回归特征选择法对第一特征变量进行二次特征选择，得到最优特征
。4.
根据权利要求3所述的分类模型构建方法，其特征在于，所述一阶特征包括中值
、
平均值
、
最小值
、
最大值
、
标准差
、
偏度和峰度；所述形状特征包括肿瘤的表面积
、
体积
、
球形度
、
紧凑性和三维直径；所述纹理特征和滤波特征包括灰度共生矩阵
、
灰度游程长度矩阵
、
灰度尺寸区域矩阵
、
领域灰度差矩阵和灰度相关矩阵；所述最优特征包括2个灰度值的最小值统计特征
、3
个灰度共生矩阵
GLCM
的滤波特征
、1
个灰度行程矩阵的滤波特征和1个偏度特征的滤波特征
。5.<...

【专利技术属性】
技术研发人员：杨斌，傅洋，李佳庚，
申请(专利权)人：昆明市第一人民医院，
类型：发明
国别省市：