【技术实现步骤摘要】
本申请涉及医学影像数据处理，具体涉及一种基于机器学习的浸润性肺腺癌高级别成分预测方法。
技术介绍
1、肺腺癌已成为非小细胞肺癌中最常见的亚型，肺浸润性非黏液腺癌的常见亚型包括5个组织病理亚型：贴壁状为主型腺癌、腺泡状为主型腺癌、乳头状为主型腺癌、微乳头状为主型腺癌及实体为主伴黏液分泌型腺癌。肺腺癌hgp（high grade patterns, 高级别成分）病理亚型主要包括微乳头状为主型腺癌、实体为主伴黏液分泌型腺癌以及复杂腺体模式。肺腺癌的高级别病理亚型作为主要成分存在时(>5%)，具有快速转移潜力，患者预后较差且易复发。此外，近期研究发现当高级别病理亚型，作为次要成分出现时(成分<5%)，也会对患者的总生存率产生显著的负面影响。因此，术前确定hgp的存在对于医生制定更积极的手术计划和其他辅助治疗具有重要意义。
2、shap是一种基于合作博弈论的算法，通过计算shapley值来量化每个特征对模型预测的贡献，为复杂的黑箱模型提供透明的解释，用于解释机器学习模型的输出。影像组学是一种结合医学影像学和机器学习的跨学科...
【技术保护点】
1.一种基于机器学习的浸润性肺腺癌高级别成分预测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的浸润性肺腺癌高级别成分预测方法，其特征在于，所述将所述原始CT影像数据进行预处理并结合病灶VOI提取并筛选影像组学特征，包括：
3.根据权利要求2所述的基于机器学习的浸润性肺腺癌高级别成分预测方法，其特征在于，所述利用LASSO算法来计算特征加权排序来选择训练集中的最优特征，包括：
4.根据权利要求1所述的基于机器学习的浸润性肺腺癌高级别成分预测方法，其特征在于，所述通过筛选出的影像组学特征构建影像组学评分，包括：
...【技术特征摘要】
1.一种基于机器学习的浸润性肺腺癌高级别成分预测方法，其特征在于，包括：
2.根据权利要求1所述的基于机器学习的浸润性肺腺癌高级别成分预测方法，其特征在于，所述将所述原始ct影像数据进行预处理并结合病灶voi提取并筛选影像组学特征，包括：
3.根据权利要求2所述的基于机器学习的浸润性肺腺癌高级别成分预测方法，其特征在于，所述利用lasso算法来计算特征加权排序来选择训练集中的最优特征，包括：
4.根据权利要求1所述的基于机器学习的浸润性肺腺癌高级别成分预测方法，其特征在于，所述通过筛选出的影像组学特征构建影像组学评分，包括：
5.根据权利要求1所述的基于机器学习的浸润性肺腺癌高级别成分预测方法，其特征在于，所述对所述临床放射学特征使用统计学分析进行特征筛选，包括：
6.根据权利要求1所述的基于机器学习的浸润性肺腺癌高级别成分预测方法，...
【专利技术属性】
技术研发人员：张敏，贾守强，聂生东，陶雅丽，
申请(专利权)人：济南市人民医院，
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。