[发明专利]一种基于影像组学的脑胶质瘤分级预测方法

权利要求书

1.一种基于影像组学的脑胶质瘤分级预测方法，其特征在于，包括以下步骤：

步骤1，通过常规磁共振成像方法采集脑胶质瘤的原始医学图像，并对采集的原始医学图像进行图像格式、大小的统一化和数据的去隐私化处理，获得脑胶质瘤医学图像样本组；

步骤2，选取其中一个脑胶质瘤医学图像样本，手动分割脑胶质瘤医学图像样本中的感兴趣区；

步骤3，提取感兴趣区内的脑胶质瘤特征；

步骤4，针对步骤3提取的脑胶质瘤特征进行降维，选择出有效特征，生成目标特征集；

步骤5，在脑胶质瘤医学图像样本组内进行有放回的采样，重复步骤2至步骤4，生成训练集；

步骤6，根据训练集使用Cox回归模型进行预测模型训练，生成预测模型。

2.根据权利要求1所述的基于影像组学的脑胶质瘤分级预测方法，其特征在于：步骤1中所述的常规磁共振成像方法包括T1加权成像、T2加权成像、液体衰减反转恢复(FLAIR)成像或增强后的T1加权成像的一种或多种组合。

3.根据权利要求1或2所述的基于影像组学的脑胶质瘤分级预测方法，其特征在于：所述脑胶质瘤特征包括一阶统计学特征、空间几何特征、纹理特征和高阶统计特征。

4.根据权利要求3所述的基于影像组学的脑胶质瘤分级预测方法，其特征在于，步骤4的具体步骤为：

步骤4.1，通过单变量分析技术初步选择25个约减特征作为约减特征集；

步骤4.2，在当前约减特征集的基础上，对其余特征逐个计算最大信息系数以及斯皮尔曼等级相关系数，通过增益公式选择增益最大的特征加入到约减特征集中；

步骤4.3，重复步骤4.2，直到约减特征集内的特征个数达到预设特征个数，获得目标特征集。