基于影像组学和域适应的乳腺癌腋窝淋巴结转移预测方法技术

本发明专利技术涉及病理数字图像处理的技术领域，具体涉及一种基于影像组学和域适应的乳腺癌腋窝淋巴结转移预测方法；所述方法具体步骤为S1.选取多中心数据并进行划分；S2.对S1中数据进行预处理；S3.对S2预处理后的数据进行特征提取；S4.对S3提取的特征进行筛选；S5.构建域适应‑影像组学模型并进行验证；本发明专利技术引入了域适应算法，缩小了源域与目标域之间的特征分布差异，通过纳入多中心的影像数据，更好地反映真实的临床实践环境，本发明专利技术纳入了多序列的术前乳腺磁共振图像，丰富了影像组学可利用的信息；本发明专利技术为改善影像组学预测乳腺癌腋窝淋巴结转移的性能和泛化性提供保障，为精准医疗服务提供技术支撑。

【技术实现步骤摘要】

本专利技术涉及病理数字图像处理的，具体涉及一种基于影像组学和域适应的乳腺癌腋窝淋巴结转移预测方法。

技术介绍

1、在乳腺癌的诊断和治疗中，腋窝淋巴结转移(alnm)与乳腺癌远处转移和复发以及生存率等方面高度相关，准确检测和有效评估alnm对患者的预后和治疗方案选择具有重要意义。而影像组学可以揭示影像数据中肉眼可能无法识别的有价值的见解和定量信息，帮助医疗专业人员预测乳腺癌患者的腋窝淋巴结状态。在目前已有的相似专利中，cn113555115a公开了一种基于影像组学构建乳腺癌患者淋巴结转移预测模型的方法。该方法采用随机森林算法对影像特征进行筛选，对临床特征数据进行单因素分析筛选得到关键临床特征，采用支持向量机算法根据关键影像特征和关键临床特征建立淋巴结转移综合预测模型。实现了基于结构风险化最小原则建立预测模型，帮助预测淋巴结。cn116741390a也公开了一种乳腺癌患者腋窝淋巴结转移预测模型。该方法对二维的肺部增强ct片进行三维重建后，选取每个腋窝淋巴结的全部影像组学特征中的5个以上影像组学特征联用进行区分所述乳腺癌是否有腋窝淋巴结转移，且使用随机森林构建预本文档来自技高网...

【技术保护点】

1.一种基于影像组学和域适应的乳腺癌腋窝淋巴结转移预测方法，其特征在于，具体步骤为：

2.根据权利要求1所述的预测方法，其特征在于，所述多中心数据为多参数MRI图像；所述多参数MRI图像为T2WI、nonfs-T1WI和DCE-MRI的0-5期共8个序列。

3.根据权利要求1所述的预测方法，其特征在于，所述S2的具体步骤为：将划分后的数据进行分割并进行ROI勾画；将勾画后的图像进行重采样及标准化处理。

4.根据权利要求1所述的预测方法，其特征在于，所述S3中，特征提取过程中的特征为形状特征、一阶特征、纹理特征和对原始图像进行各种变换得到的高阶特征；所述...

【技术特征摘要】

1.一种基于影像组学和域适应的乳腺癌腋窝淋巴结转移预测方法，其特征在于，具体步骤为：

2.根据权利要求1所述的预测方法，其特征在于，所述多中心数据为多参数mri图像；所述多参数mri图像为t2wi、nonfs-t1wi和dce-mri的0-5期共8个序列。

3.根据权利要求1所述的预测方法，其特征在于，所述s2的具体步骤为：将划分后的数据进行分割并进行roi勾画；将勾画后的图像进行重采样及标准化处理。

4.根据权利要求1所述的预测方法，其特征在于，所述s3中，特征提取过程中的特征为形状特征、一阶特征、纹理特征和对原始图像进行各种变换得到的高阶特征；所述纹理特征为灰度共生矩阵特征、灰度游程矩阵特征、灰度区域大小矩阵特征和灰度依赖矩阵特征；所述高阶特征中使用的变换为平方、平方根、对数、指数、梯度大小、局部二值模式、小波滤波和高斯拉普拉斯。

5.根据权利要求1所述的方法，其特征在于，所述s4中，通过anova、...

【专利技术属性】
技术研发人员：张远鹏，程煜婷，盛美红，张馨匀，邱成羽，周琳家，
申请(专利权)人：南通大学，
类型：发明
国别省市：