[发明专利]一种基于肿瘤表型特征的非小细胞肺癌预后方法

权利要求书

1.一种基于肿瘤表型特征的非小细胞肺癌预后方法，其特征在于，所述方法包括：

步骤S1，从非小细胞肺癌患者肺部影像数据库中对每一个肿瘤进行分割，提取目标区域，并根据所述肿瘤目标区域图像提取肿瘤表型特征库；

步骤S2，根据所述非小细胞肺癌患者肺部影像数据的临床信息和组织活检结果对肿瘤进行分类，将分类的肺部影像数据的数据集按比例分为训练数据集和测试数据集；

步骤S3，依据各分类肺部影像数据的训练数据集，采用机器学习方法对各分类肺部影像数据的训练数据集进行特征训练，得到能够正确辨识各分类肺部影像数据的训练数据集对应类型肿瘤关键特征，通过所述关键特征对各类肺部影像数据的测试数据集进行预测统计和预后分析。

2.如权利要求1所述的一种基于肿瘤表型特征的非小细胞肺癌预后方法，其特征在于，步骤S1中所述肿瘤目标区域图像提取肿瘤表型特征库包括一阶统计特征、二阶特征和三维特征、纹理特征以及小波特征；

一阶统计特征包括熵、峰度、能量、最大灰度值、最小灰度值以及像素平均绝对偏差；

二阶特征应包括肿瘤最大径、肿瘤最小径以及单层最大面积；

三维特征应包括三维最大径，体积，表面积，不对称性；

纹理特征包括游程特征和灰度共生矩阵特征；

小波特征包括在完成小波变换后的图像上提取的各种统计特征和纹理特征。

3.如权利要求2所述的一种基于肿瘤表型特征的非小细胞肺癌预后方法，其特征在于，步骤S2中所述对肿瘤进行的分类包括三类数据集：良性肿瘤与恶性肿瘤、肺癌早期肿瘤与晚期肿瘤、腺癌肿瘤与鳞癌肿瘤。

4.如权利要求3所述的一种基于肿瘤表型特征的非小细胞肺癌预后方法，其特征在于，所述机器学习方法为模式识中的自动分类算法；所述关键特征为通过机器学习方法在所述肿瘤表型特征库中筛选得到的具有预后价值的特征。

5.如权利要求4所述的一种基于肿瘤表型特征的非小细胞肺癌预后方法，其特征在于，所述机器学习方法为支持向量机算法或卷积神经网络算法或深度学习算法。

6.如权利要求1-5任一项所述的一种基于肿瘤表型特征的非小细胞肺癌预后方法，其特征在于，所述肺部影像为CT或磁共振或超声或其它临床影像设备采集得到的肺部影像数据。