一种病灶转移预测方法技术

本说明书公开了一种病灶转移预测方法

【技术实现步骤摘要】
一种病灶转移预测方法、装置、存储介质及电子设备


[0001]本说明书涉及医学
，尤其涉及一种病灶转移预测方法
、
装置
、
存储介质及电子设备
。

技术介绍

[0002]癌症是一种非常严重的疾病，其不但发展速度极快，而且还可能会出现扩散和转移，对患者的生命有着较大的威胁
。
长期以来，癌症的治疗一直是医疗领域中的重中之重，其中，判断癌症的病灶是否会发生转移更是至关重要
。
[0003]目前，现有技术通常通过医学影像辅助判断的方式来预测病灶是否会发生转移
。
对于明确或怀疑患有癌症的患者，都会在术前加做正电子发射计算机断层显像
(Positron Emission Tomography
‑
Computed Tomography
，
PET
‑
CT)
，由医生根据
PET
‑
CT
得到的医学图像来判断具体情况
。
但实际上，对于部分病灶，
PET
‑
CT
并不能做出很好地区分，例如淋巴结转移与淋巴结炎性病变等
。
这就导致医生的判断很有可能会出现错误，最终影响到患者的治疗
。
[0004]因此，如何更好地预测病灶是否会发生转移是一个亟待解决的问题
。

技术实现思路

[0005]本说明书提供一种病灶转移预测方法
、r/>装置
、
存储介质及电子设备，以至少部分地解决现有技术存在的上述问题
。
[0006]本说明书采用下述技术方案：
[0007]本说明书提供了一种病灶转移预测方法，包括：
[0008]获取包含病灶的目标医学图像；
[0009]提取所述目标医学图像的图像组学特征；
[0010]滤除对预测影响不大于指定程度的图像组学特征，将剩余的图像组学特征确定为所述目标医学图像的评估特征；
[0011]将所述评估特征输入预先训练的转移预测模型，得到所述转移预测模型输出的转移结果，并根据所述转移结果确定所述病灶是否发生转移
。
[0012]可选地，获取包含病灶的目标医学图像，具体包括：
[0013]获取包括病灶的磁共振序列，作为目标医学图像，所述磁共振序列包括弥散成像序列
、T2
加权序列
、
增强前期成像序列
、
动脉期成像序列
、
静脉期成像序列
、
延迟期成像序列中的至少一种
。
[0014]可选地，提取所述目标医学图像的图像组学特征，具体包括：
[0015]提取所述目标医学图像的灰度特征
、
形状特征
、
纹理特征中的至少一种，作为所述目标医学图像的图像组学特征
。
[0016]可选地，提取所述目标医学图像的灰度特征
、
纹理特征，具体包括：
[0017]对所述目标医学图像进行滤波处理，得到所述目标医学图像的滤波图像；
[0018]提取所述目标医学图像与所述滤波图像的一阶特征，作为所述目标医学图像的灰度特征，所述一阶特征包括灰度均值
、
灰度最大值
、
灰度最小值
、
灰度方差
、
灰度百分数中的至少一种；
[0019]提取所述目标医学图像与所述滤波图像的二阶特征，作为所述目标医学图像的纹理特征，所述二阶特征包括灰度共生矩阵
、
灰度游程矩阵
、
灰度尺寸区域矩阵
、
邻域灰度差矩阵
、
灰度相关矩阵中的至少一种
。
[0020]可选地，在滤除对预测影响不大于指定程度的图像组学特征之前，所述方法还包括：
[0021]获取所述目标医学图像的征象信息和
/
或所述目标医学图像对应的临床信息；
[0022]滤除对预测影响不大于指定程度的图像组学特征，将剩余的图像组学特征确定为所述目标医学图像的评估特征，具体包括：
[0023]将所述征象信息和所述临床信息中的至少一个以及所述图像组学特征确定为待定特征；
[0024]滤除对预测影响不大于指定程度的待定特征，将剩余的待定特征确定为所述目标医学图像的评估特征
。
[0025]可选地，获取所述目标医学图像征象信息，具体包括：
[0026]根据所述目标医学图像，获取所述目标医学图像中包含的所述病灶的病灶大小
、
病灶形态
、
病灶分级
、
动脉边缘增强
、
增强模式
、
可见血管渗出率中的至少一种，作为所述目标医学图像的征象信息
。
[0027]可选地，获取与所述目标医学图像对应的临床信息，具体包括：
[0028]确定所述目标医学图像所属的病患；
[0029]获取所述病患的画像
、
乙型肝炎检测数据
、
甲胎蛋白检测数据
、
癌坯抗原检测数据
、
糖类抗原检测数据中的至少一种，作为所述目标医学图像对应的临床信息
。
[0030]可选地，滤除对预测影响不大于指定程度的待定特征，将剩余的待定特征确定为所述目标医学图像的评估特征，具体包括：
[0031]针对每个图像组学特征，确定该图像组学特征的最小绝对收缩和系数；
[0032]根据各图像组学特征的最小绝对收缩和系数，在所述各图像组学特征中选择满足第一指定条件的第一特征；
[0033]将所述征象信息和
/
或所述临床信息确定为低维特征；
[0034]通过多因素逻辑回归在各低维特征中选择满足第二指定条件的第二特征；
[0035]将所述第一特征与所述第二特征确定为评估特征
。
[0036]可选地，预先训练转移预测模型，具体包括：
[0037]获取包含样本病灶的样本医学图像以及所述样本医学图像的标注转移结果；
[0038]提取所述样本医学图像的样本图像组学特征；
[0039]滤除对预测影响不大于指定程度的样本图像组学特征，将剩余的样本图像组学特征作为所述样本医学图像的样本评估特征；
[0040]将所述样本图像组学特征输入待训练的转移预测模型，得到所述转移预测模型输出的样本转移结果；
[0041]根据所述样本转移结果与所述标注转移结果之间的差异，对所述转移预测模型进
行训练
。
[0042]本说明书提供了一种病灶转移预测装置，包括：
[0043]获取模块，用于获取包含病灶的目标医学图像；
[0044]提取模块，用于提取所述目标医学图像的图像组学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种病灶转移预测方法，其特征在于，包括：获取包含病灶的目标医学图像；提取所述目标医学图像的图像组学特征；滤除对预测影响不大于指定程度的图像组学特征，将剩余的图像组学特征确定为所述目标医学图像的评估特征；将所述评估特征输入预先训练的转移预测模型，得到所述转移预测模型输出的转移结果，并根据所述转移结果确定所述病灶是否发生转移
。2.
如权利要求1所述的方法，其特征在于，获取包含病灶的目标医学图像，具体包括：获取包括病灶的磁共振序列，作为目标医学图像，所述磁共振序列包括弥散成像序列
、T2
加权序列
、
增强前期成像序列
、
动脉期成像序列
、
静脉期成像序列
、
延迟期成像序列中的至少一种
。3.
如权利要求1所述的方法，其特征在于，提取所述目标医学图像的图像组学特征，具体包括：提取所述目标医学图像的灰度特征
、
形状特征
、
纹理特征中的至少一种，作为所述目标医学图像的图像组学特征
。4.
如权利要求3所述的方法，其特征在于，提取所述目标医学图像的灰度特征
、
纹理特征，具体包括：对所述目标医学图像进行滤波处理，得到所述目标医学图像的滤波图像；提取所述目标医学图像与所述滤波图像的一阶特征，作为所述目标医学图像的灰度特征，所述一阶特征包括灰度均值
、
灰度最大值
、
灰度最小值
、
灰度方差
、
灰度百分数中的至少一种；提取所述目标医学图像与所述滤波图像的二阶特征，作为所述目标医学图像的纹理特征，所述二阶特征包括灰度共生矩阵
、
灰度游程矩阵
、
灰度尺寸区域矩阵
、
邻域灰度差矩阵
、
灰度相关矩阵中的至少一种
。5.
如权利要求1所述的方法，其特征在于，在滤除对预测影响不大于指定程度的图像组学特征之前，所述方法还包括：获取所述目标医学图像的征象信息和
/
或所述目标医学图像对应的临床信息；滤除对预测影响不大于指定程度的图像组学特征，将剩余的图像组学特征确定为所述目标医学图像的评估特征，具体包括：将所述征象信息和所述...

【专利技术属性】
技术研发人员：王芳，薛忠，李曼，李洋，
申请(专利权)人：联影智能医疗科技成都有限公司，
类型：发明
国别省市：