一種基于影像組學(xué)的病變組織輔助預(yù)后系統(tǒng)和方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及疾病診斷輔助技術(shù)領(lǐng)域，更具體地涉及一種基于影像組學(xué)的病變組織輔助預(yù)后系統(tǒng)和方法。
【背景技術(shù)】
[0002]醫(yī)學(xué)影像作為一種無(wú)創(chuàng)的腫瘤早期診斷方法，已被廣泛應(yīng)用于各類(lèi)癌癥的輔助診斷中。目前使用影像信息進(jìn)行臨床輔助診斷往往依靠醫(yī)生的主觀(guān)經(jīng)驗(yàn)，通過(guò)影像反映出的病人疾病影像特征給予相應(yīng)診斷。然而醫(yī)學(xué)影像中仍有待開(kāi)發(fā)的揭示病變分期和預(yù)后的有價(jià)值信息。
[0003]不同類(lèi)型的腫瘤由于其病理特性在影像上的表現(xiàn)迥異，不同的腫瘤影像特征也預(yù)示著治療方式完全不同，并直接影響著預(yù)后。目前通過(guò)影像手段實(shí)現(xiàn)腫瘤的預(yù)判都需要醫(yī)生根據(jù)其主觀(guān)的臨床經(jīng)驗(yàn)、病理切片以及血檢等進(jìn)行詳細(xì)的檢測(cè)得到臨床檢測(cè)結(jié)果。然而，基于現(xiàn)有的醫(yī)學(xué)影像特征分析研究，某些多維紋理特征能夠準(zhǔn)確反映病變組織的病理學(xué)信息，對(duì)于實(shí)現(xiàn)個(gè)體化醫(yī)療具有重要的研究?jī)r(jià)值，所以一個(gè)完備的特征庫(kù)對(duì)于后續(xù)關(guān)鍵特征篩選能夠提供更全面的數(shù)據(jù)支持。因此采用計(jì)算機(jī)方法輔助完成病變的預(yù)測(cè)分析并給出可信的建議具有極高的實(shí)用意義。

【發(fā)明內(nèi)容】

[0004]針對(duì)上述技術(shù)問(wèn)題，本發(fā)明的目的在于提供一種基于影像組學(xué)的病變組織輔助預(yù)后系統(tǒng)和方法。
[0005]為了實(shí)現(xiàn)上述目的，作為本發(fā)明的一個(gè)方面，本發(fā)明提供了一種基于影像組學(xué)的病變組織輔助預(yù)后方法，包括:
[0006]步驟SlOl，從大數(shù)據(jù)量的患者影像數(shù)據(jù)庫(kù)中，采用自動(dòng)或手動(dòng)的分割方法提取病變部位的影像數(shù)據(jù)；
[0007]步驟S102，根據(jù)所述病變部位影像的分割結(jié)果，分別提取各病變部位的影像表型特征，完成所述患者影像數(shù)據(jù)庫(kù)內(nèi)所有病變部位影像數(shù)據(jù)的特征提??；
[0008]步驟S103，基于各病變部位的特征數(shù)據(jù)和臨床信息數(shù)據(jù)，對(duì)所述患者影像數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集的分類(lèi)，采用計(jì)算機(jī)自動(dòng)識(shí)別方法在所述訓(xùn)練數(shù)據(jù)集進(jìn)行病變部位的病理分析、臨床分期分析、基因突變預(yù)測(cè)以及生存時(shí)間的預(yù)測(cè)，并在所述測(cè)試數(shù)據(jù)集中實(shí)現(xiàn)驗(yàn)證。
[0009]作為本發(fā)明的另一個(gè)方面，本發(fā)明還提供了一種基于影像組學(xué)的病變組織輔助預(yù)測(cè)系統(tǒng)，其特征在于，包括:
[0010]從大數(shù)據(jù)量的患者影像數(shù)據(jù)庫(kù)中，采用自動(dòng)或手動(dòng)的分割方法提取病變部位的影像數(shù)據(jù)的單元；
[0011 ]根據(jù)所述病變部位影像的分割結(jié)果，分別提取各病變部位的影像表型特征，完成所述患者影像數(shù)據(jù)庫(kù)內(nèi)所有病變部位影像數(shù)據(jù)的特征提取的單元；
[0012]基于各病變部位的特征數(shù)據(jù)和臨床信息數(shù)據(jù)，對(duì)所述患者影像數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集的分類(lèi)，采用計(jì)算機(jī)自動(dòng)識(shí)別方法在所述訓(xùn)練數(shù)據(jù)集進(jìn)行病變部位的病理分析、臨床分期分析、基因突變預(yù)測(cè)以及生存時(shí)間的預(yù)測(cè)，并在所述測(cè)試數(shù)據(jù)集中實(shí)現(xiàn)驗(yàn)證的單元。
[0013]基于上述技術(shù)方案可知，本發(fā)明的病變組織輔助預(yù)后方法能夠根據(jù)臨床影像數(shù)據(jù)的分割結(jié)果，建立病變影像表型特征庫(kù)，采用計(jì)算機(jī)自動(dòng)識(shí)別和分別方法將臨床病例數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集，在訓(xùn)練數(shù)據(jù)集里對(duì)各類(lèi)病變的不同病理表現(xiàn)、臨床分期、基因突變類(lèi)型所對(duì)應(yīng)的特征庫(kù)予以分別訓(xùn)練，從原始表型特征庫(kù)中計(jì)算各個(gè)特征的預(yù)測(cè)、預(yù)后貢獻(xiàn)度，選擇能夠正確識(shí)別不同病理表現(xiàn)、不同臨床分期和不同基因突變類(lèi)型的關(guān)鍵特征，并使用所獲取的關(guān)鍵特征對(duì)病變組織進(jìn)行病理表現(xiàn)、臨床分期和基因突變類(lèi)型和生存期的預(yù)測(cè)，對(duì)特定的個(gè)體分別進(jìn)行定性以及定量的預(yù)測(cè)分析，提供可信的預(yù)測(cè)與分析結(jié)果。
【附圖說(shuō)明】
[0014]圖1是本發(fā)明的基于影像組學(xué)的病變組織輔助預(yù)后方法的流程圖。
【具體實(shí)施方式】
[0015]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，并參照附圖，對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。
[0016]本發(fā)明公開(kāi)了一種基于影像組學(xué)的病變組織輔助預(yù)后方法，其總體構(gòu)思是:首先采用手動(dòng)或自動(dòng)的分割方法定位腫塊目標(biāo)區(qū)域影像，完成目標(biāo)影像數(shù)據(jù)分割;根據(jù)目標(biāo)影像數(shù)據(jù)提取腫塊的多類(lèi)型特征，建立完備的表型特征庫(kù);根據(jù)影像數(shù)據(jù)庫(kù)中各個(gè)病人的基本臨床信息獲取患者組織活檢結(jié)果、基因類(lèi)型和生存時(shí)間等信息，采用計(jì)算機(jī)自動(dòng)識(shí)別和分類(lèi)方法對(duì)病變組織的病理表現(xiàn)、臨床分期、基因突變類(lèi)型的特征予以分別訓(xùn)練并進(jìn)行分類(lèi)，建立可靠的預(yù)測(cè)預(yù)后模型;將其應(yīng)用于測(cè)試數(shù)據(jù)和以其他獨(dú)立的數(shù)據(jù)實(shí)現(xiàn)對(duì)病理表現(xiàn)、臨床分期和基因突變類(lèi)型的分別預(yù)測(cè);對(duì)病變總生存期和影像特征進(jìn)行相關(guān)性分析，從而得到預(yù)后的生存時(shí)間與影像學(xué)特征之間關(guān)系，對(duì)病人給出個(gè)體化的定性及定量的預(yù)后建議。
[0017]本發(fā)明的基于影像組學(xué)的病變組織輔助預(yù)后系統(tǒng)和方法通過(guò)計(jì)算機(jī)軟件和算法實(shí)現(xiàn)影像和預(yù)后的相關(guān)性分析，從而揭示預(yù)后信息與影像表現(xiàn)之間的關(guān)系，輸出定量的分析結(jié)果;其以一套成熟的計(jì)算機(jī)軟件對(duì)輸入影像數(shù)據(jù)進(jìn)行自動(dòng)化處理，基于先驗(yàn)?zāi)Ｐ蛯?duì)輸入待處理數(shù)據(jù)進(jìn)行個(gè)性化分析，從而對(duì)病變預(yù)后進(jìn)行輔助指導(dǎo)。該系統(tǒng)和方法并不是直接實(shí)現(xiàn)疾病的診斷，而是對(duì)影像數(shù)據(jù)予以定量分析提供個(gè)性化輔助分析和參考，進(jìn)一步給醫(yī)生的診斷提供數(shù)據(jù)支持。
[0018]本發(fā)明的具體目標(biāo)如下:(I)實(shí)現(xiàn)病變組織病灶區(qū)域影像的精確分割，對(duì)病變組織進(jìn)行自動(dòng)定位和腫瘤影像提取，實(shí)現(xiàn)病變部位分割的可重復(fù)性和精確性；(2)根據(jù)病變組織目標(biāo)影像進(jìn)行腫塊影像特征提取，深度挖掘各類(lèi)型影像特征，建立完備的病變組織影像特征數(shù)據(jù)庫(kù)；(3)基于大數(shù)據(jù)化的臨床病例數(shù)據(jù)，結(jié)合患者的各臨床信息與腫塊影像特征，采用計(jì)算機(jī)自動(dòng)分類(lèi)識(shí)別算法，實(shí)現(xiàn)病變組織的病理分析、臨床分期分析以及生存期等預(yù)測(cè)；并解釋病變組織基因突變類(lèi)型與影像特征的潛在關(guān)系，提供定性以及定量的預(yù)后建議。
[0019]更具體地，本發(fā)明的基于影像組學(xué)的病變組織輔助預(yù)后方法，是一種基于影像組學(xué)(Rad1mics)的病變組織分析預(yù)測(cè)輔助方法，如圖1所示，包括以下步驟:
[0020]步驟SlOl，從大數(shù)據(jù)量的患者影像數(shù)據(jù)庫(kù)中，采用自動(dòng)或手動(dòng)的分割方法提取病變部位的影像數(shù)據(jù)；
[0021]步驟S102，根據(jù)所述病變部位影像的分割結(jié)果，分別提取各病變部位的影像表型特征，完成所述患者影像數(shù)據(jù)庫(kù)內(nèi)所有病變部位影像數(shù)據(jù)的特征提??；
[0022]步驟S103，基于各病變部位的特征數(shù)據(jù)和臨床信息數(shù)據(jù)，對(duì)所述患者影像數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集的分類(lèi)，采用計(jì)算機(jī)自動(dòng)識(shí)別方法在所述訓(xùn)練數(shù)據(jù)集進(jìn)行病變部位的病理分析、臨床分期分析、基因突變預(yù)測(cè)以及生存時(shí)間的預(yù)測(cè)，并在所述測(cè)試數(shù)據(jù)集中實(shí)現(xiàn)驗(yàn)證。
[0023]其中，所述影像數(shù)據(jù)為CT、PET、磁共振或超聲波影像設(shè)備采集得到的影像數(shù)據(jù)。
[0024]其中，所述病變部位包括肺部、肝臟或腎臟組織。
[0025]其中，步驟SlOl中，所述自動(dòng)的分割方法是通過(guò)計(jì)算機(jī)實(shí)現(xiàn)的基于區(qū)域生長(zhǎng)的方法、基于水平集的分割方法或基于圖割的分割方法。
[0026]其中，步驟S102中，所述影像特征包括:病變部位的形狀特征、病變部位的紋理特征和/或病變部位的腫塊灰度特征。
[0027]其中，步驟S103所述對(duì)患者影像數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集的分類(lèi)的步驟包括:
[0028]采用計(jì)算機(jī)自動(dòng)分類(lèi)識(shí)別方法，結(jié)合統(tǒng)計(jì)學(xué)知識(shí)和工具，建立并分析影像特征與患者臨床信息的統(tǒng)計(jì)學(xué)相關(guān)性模型。
[0029]其中，步驟S103所述采用計(jì)算機(jī)自動(dòng)識(shí)別方法在所述訓(xùn)練數(shù)據(jù)集進(jìn)行病變部位的病理分析、臨床分期分析、基因突變預(yù)測(cè)以及生存時(shí)間的預(yù)測(cè)的步驟中，所述計(jì)算機(jī)自動(dòng)識(shí)別方法需要處理的數(shù)據(jù)包括:所述患者的臨床信息、組織活檢結(jié)果、基因信息及生存時(shí)間、患者臨床數(shù)據(jù)、患者所處病理學(xué)亞型、臨床分期與TMl分期結(jié)果、基因突變類(lèi)型和/或隨訪(fǎng)生存時(shí)間。
[0030]本發(fā)明還公開(kāi)了一種基于影像組學(xué)的病變組織輔助預(yù)測(cè)系統(tǒng)，包括:
[0031]從大數(shù)據(jù)量的患者影像數(shù)據(jù)庫(kù)中，采用自動(dòng)或手動(dòng)的分割方法提取病變部位的影像數(shù)據(jù)的單元；
[0032]根據(jù)所述病變部位影像的分割結(jié)果，分別提取各病變