一种脑瘤MIB-1指数范围检测方法技术

本发明专利技术涉及一种通过分析脑瘤患者的磁共振图像得到脑瘤MIB-1指数范围的检测方法，包括步骤：采集脑瘤患者的磁共振图像，构造病变区域图像训练样本；提取病变区域图像训练样本的图像特征，根据提取的病变区域图像训练样本的图像特征，训练得到支持向量机模型；构造病变区域图像检测样本，提取病变区域图像检测样本的图像特征；根据病变区域图像检测样本的图像特征，用支持向量机模型检测并获取该病变区域图像检测样本的MIB-1指数所处的范围。本发明专利技术克服了现有技术中只能通过手术获得脑瘤病理组织后利用免疫组织化学检测MIB-1指数的缺陷，避免了在免疫组织化学检测中引入的检测者主观思维及标准化不足的问题。

【技术实现步骤摘要】

本专利技术涉及图像处理及识别技术，特别涉及一种通过分析脑瘤患者的磁共振图像得到脑瘤MIB-I指数范围的检测方法。
技术介绍
脑胶质瘤是中枢神经系统最常见的肿瘤，约占原发性脑肿瘤的42%。尽管随着医疗技术的发展，脑胶质瘤的治疗方法逐步发展为以手术治疗为主，结合放疗， 化疗，免疫治疗等的综合疗法，但很多患者的预后并没有明显的改善。临床通常检测 phosphatase and tensin homolog deleted onchromosome 10 (PTEN)、epidermal growth factor receptor(EGFR)、the06-methylguanine-DNA methyltransferase(MGMT)、tumor protein 53(P53) Λ monoclonal antibody of cell proliferation associated nuclear antigen (MIB-1)等蛋白表达状况，并综合上述蛋白表达的信息来评价胶质瘤的恶性程度和患者的预后状况。其中，单克隆抗体MIB-I的表达状况即MIB-I指数的值能反映胶质瘤的增殖活性，其作为一种中间结果信息，对于评价胶质瘤的恶性程度和患者预后具有一定的指导意义。现有技术中，临床使用最为广泛的MIB-I指数的检测方法为免疫组织化学技术， 该技术需要手术获得患者的胶质瘤病理切片后才能进行检测，对患者造成较大创伤，且无法指导制定术前治疗方案。2003年于《诊断病理学杂志》的232-235页刊登的一篇《免疫组化在病理诊断中的正确应用》中表明，免疫组织化学技术在标准化和结果量化方面存在不足，检测结果容易受到检测人员的主观影响。目前尚没有基于图像处理和模式识别技术进行MIB-I指数范围检测的方法。2008年于《科技广场》的9-11页刊登的一篇《基于支持向量机的诊断方法研究》中指出所谓支持向量机的诊断就是根据已知的故障样本，对未知工作状态样本数据进行分类。文中还提到支持向量机的核函数形式主要有三类多项式形式的核函数、径向基形式的核函数和S型核函数；其模型分别对应q阶多项式分类器、径向基函数分类器和两层的感知器神经网络；其中，采用径向基函数的支持向量仅需确定惩罚因子和核宽度两个模型参数。如文中所述，确定模型参量一般有两种有效的方法一是交叉有效；二是网络搜索。
技术实现思路
本专利技术提供了一种能够对采集得到的脑瘤患者的磁共振图像进行处理及识别的脑瘤MIB-I指数范围检测方法；克服了现有技术中只能通过手术获得脑瘤病理组织后利用免疫组织化学检测MIB-I指数的缺陷，避免了在免疫组织化学检测中引入的检测者主观思维及标准化不足的问题。一种脑瘤MIB-I指数范围检测方法，包括以下步骤(1)采集脑瘤患者的磁共振图像，构造病变区域图像训练样本；所述的脑瘤患者的磁共振图像的体数据分辨率可以为51h51hl6体素；所述的构造病变区域图像训练样本，包括以下步骤a.截取磁共振图像中的病变区域图像；b.对所述的病变区域图像进行分类，对每个类别选取一定数量的包含该类别的病变区域图像，得到病变区域图像训练样本；对所述的病变区域图像进行分类，包括以下步骤i、对病变区域图像的MIB-I指数进行检测，确定MIB-I指数的分界点；ii、根据所述的MIB-I指数的分界点，对病变区域图像进行分类；所述的MIB-I指数的分界点的选择可以根据临床的具体需求来确定；一般情况下，MIB-I ^ 5%或MIB > 5%是判断胶质瘤增殖活性强弱的有效分界点，因此可以优选5% 为MIB-I指数的分界点；(2)提取病变区域图像训练样本的图像特征，根据提取的病变区域图像训练样本的图像特征，训练得到支持向量机模型；所述的提取病变区域图像训练样本的图像特征，可以为提取病变区域图像训练样本的纹理特征，具体包括步骤使用基本灰度统计信息提取病变区域图像训练样本的图像特征，包括均值、方差、偏度、能量、绝对梯度均值以及绝对梯度方差6个图像特征；使用灰度共生矩阵提取病变区域图像训练样本的图像特征，包括角二阶矩、对比度、相关系数、方差、逆差矩、和平均、和方差、和熵、熵、差平均、惯性、差方差、差熵13个图像特征；使用灰度-梯度共生矩阵提取病变区域图像训练样本的图像特征，包括灰度平均值、梯度平均值、灰度方差、梯度方差、小梯度优势、大梯度优势、灰度分布的不均勻性、梯度分布的不均勻性、能量、相关系数、灰度熵、梯度熵、混合熵、惯性、逆差矩15个图像特征；使用游程长度矩阵提取病变区域图像训练样本的图像特征，包括短游程优势度量、长游程优势度量、灰度分布、游程分布、游程百分比5个图像特征；使用闵可夫斯基泛函提取病变区域图像训练样本的图像特征，包括周长最大值、 周长最小值、欧拉数最大值、欧拉数最小值、周长起始点对应阈值、周长终止点对应阈值、欧拉数起始点对应阈值、欧拉数终止点对应阈值8个图像特征；根据提取的病变区域图像训练样本的图像特征，训练得到支持向量机模型，包括以下步骤a、根据提取的病变区域图像训练样本的图像特征构造病变区域图像特征样本集；b、根据病变区域图像特征样本集确定支持向量机模型的参数；由于病变区域图像特征样本集所含的维数较高，可能含有一些冗余的图像特征， 这些冗余的图像特征一方面可能降低分类的精度，另一方面会大大增加支持向量机的计算开销；因此作为优选，可基于离散粒子群算法对病变区域图像特征样本集进行优化，得到病变区域图像优化特征集；根据该病变区域图像优化特征集确定支持向量机模型的参数，有效地降低图像特征的复杂程度；基于离散粒子群算法对病变区域图像特征样本集进行优化，得到病变区域图像优化特征集，包括以下步骤i、确定离散粒子群算法的粒子群规模，每个粒子对应一个随机选取的病变区域图像特征样本集子集；ii、将每个粒子对应的病变区域图像特征样本集子集分别放入支持向量机中用留一交叉检验法进行分类，计算每个病变区域图像特征样本集子集的分类准确率，并将该准确率作为对应粒子的适应度；基于粒子的适应度迭代更新病变区域图像特征样本集子集达一定次数，将适应度最大的粒子对应的特征样本集子集作为病变区域图像优化特征集；(3)构造病变区域图像检测样本，提取病变区域图像检测样本的图像特征；根据病变区域图像检测样本的图像特征，用支持向量机模型识别并获取该病变区域图像检测样本的MIB-I指数所处的范围。本专利技术的有益效果为一、本专利技术基于脑瘤患者的磁共振图像，能够获得MIB-I指数的中间结果信息，具有快速及时的优点；二、通过采集和分析脑瘤患者的磁共振图像来检测MIB-I指数范围，可以在获得肿瘤组织切片前无创地获取关于脑瘤恶性程度和患者预后的中间结果信息，效率高且操作简易；三、客观地获得脑瘤MIB-I指数所处的范围，避免了在免疫组织化学技术中引入检测者的主观影响，也避免了免疫组织化学检测方法标准化不足的问题；四、仅需通过图像分析获得MIB-I指数的范围，不需要消耗化学试剂等，具有成本低的优点。附图说明图1为本专利技术实施例1的脑瘤MIB-I指数范围检测方法流程示意；图2为实施例1的Sl中构造病变区域图像训练样本的流程示意图；图3为实施例1中由Tl加权序列的磁共振图像中截取的病变区域图像的示意图；图4为实施例1中使用的SVM分类器在线本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：夏顺仁，潘颖，刘晨彬，
申请(专利权)人：浙江大学，
类型：发明
国别省市：