[发明专利]一种影像组学分析模型构建方法及分析方法

权利要求书

1.一种影像组学分析模型构建方法，其特征在于，包括如下步骤：

S1、获取不同类型的患者在治疗前和治疗后的影像数据；

S2、从影像数据中划分感兴趣区域；

S3、分别针对治疗前和治疗后的影像数据中的感兴趣区域进行影像特征提取；

S4、基于提取的影像特征建立影像组学分析模型。

2.根据权利要求1所述的影像组学分析模型构建方法，其特征在于，所述治疗包括放疗和/或化疗。

3.根据权利要求2所述的影像组学分析模型构建方法，其特征在于，所述影像数据包括CT影像。

4.根据权利要求3所述的影像组学分析模型构建方法，其特征在于，所述感兴趣区域为肿瘤区域。

5.根据权利要求4所述的影像组学分析模型构建方法，其特征在于，所述影像特征提取包括：

使用两个样本T检验和最小绝对收缩和选择算子回归算法提取影像特征。

6.根据权利要求1-5之一所述的影像组学分析模型构建方法，其特征在于，所述使用两个样本T检验，并采用最小绝对收缩算法和选择算子回归算法提取影像特征包括如下步骤：

首先，选择主要队列中完全病理缓解组和非完全病理缓解组之间基于单变量统计检验的最佳特征；

其次，采用最小绝对收缩算法提取影像特征，将具有最小绝对收缩和选择算子惩罚的正则多变量logistic回归应用于主要队列的数据，其中将所选特征的线性组合加权各自的系数，设置一个模型被用来估计基于放射学特征的放化疗结果，其中该模型按照以下方式被定义：

其中，模型y的值为1时表示病人处于完全病理缓解组，模型y的值为0时表示病人处于非完全病理缓解组；d表示用在该模型中的变量总数；x_j(j＝1,2……d)表示变量；β_j(j＝0，1,2……d)表示模型参数，ε表示误差项，

再次，采用选择算子回归算法提取影像特征，用正则化回归估测模型的参数、特征选择，并通过赋予许多参数以零值可以同时进行：

其中γ_i表示病人i的结果；N表示病人数量；S是Sigmoid函数；x_ij代表第i个病人的第j个特征；λ表示正则化参数，其中Sigmoid函数定义为：

应用具有选择算子LASSO惩罚的通过设置一些参数βj为0来引导稀疏模型，然后选择对模型贡献较大的特征来使用。

7.根据权利要求6所述的影像组学分析模型构建方法，所述基于提取的影像特征建立影像组学分析模型包括：

使用多因素Logistic分析建立影像组学分析模型。

8.一种影像组学分析方法，其特征在于，包括：

获取患者治疗前的影像数据；

从所述影像数据中划分感兴趣区域；

针对所述感兴趣区域进行影像特征提取；

基于提取的影像特征和按照权利要求1-7之一所述的影像组学分析模型构建方法构建的影像组学分析模型，对患者进行分类。