[发明专利]一种微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法

权利要求书

1.一种微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，其特征在于，包括如下步骤：

S1、收集肠癌样本图像，所述样本图像为MSI肠癌能谱CT碘水图像和MSS肠癌能谱CT碘水图像；

S2、对所述肠癌样本图像进行感兴趣区域勾画，提取感兴趣区域的图像特征；

S3、对所述步骤S2中提取的图像特征进行哑变量处理，生成一个取值为0或1的哑变量特征；

S4、引用卡方检验，对经过哑变量处理后的图像特征采用假设检验法过滤出具有统计学意义的组学特征；

S5、采用相关性分析方法对所述组学特征之间的冗余性进行过滤，引用Kendall相关性分析，计算相关性系数cor_xy，得到过滤后的组学特征；

S6、基于模型层面，引入LASSO算法，对所述步骤S5中过滤后的组学特征进行降维处理；通过5折交叉验证技术，构建L1正则化Logistic回归模型，得到L1正则化Logistic回归模型的损失函数，当所述损失函数最小时，由于是L1正则化，则部分过滤后的组学特征的权重将降至0值，将其剔除得出特征降维结果；

S7、基于机器学习方法的最优化理论，引入5折交叉验证技术，通过L2正则化模型构建思想，最优化得到L2正则化Logistic回归模型，并采用ROC方法对L2正则化Logistic回归模型进行评价。

2.根据权利要求1所述的微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，其特征在于，所述步骤S3中的哑变量处理过程具体为：

S31、假设所述肠癌样本图像的数量为n，所述MSI肠癌能谱CT碘水图像的数量为n₁，MSS肠癌能谱CT碘水图像的数量为n₂，提取的图像特征为p；

S32、对p中的n个取值p₁,...,p_n进行由小至大排序，得到q₁,...,q_n；

S33、设置普通阈值cutoff_i，且令cutoff_i＝q_i；对q_i进行离散化，令大于cutoff_i的取值为1；反之，小于cutoff_i的取值为0，得到新特征p’；

S34、将所述肠癌样本图像的类别与新特征相匹配，得到混淆矩阵T_i；其中，MSI肠癌能谱CT碘水图像的类别为1类，MSS肠癌能谱CT碘水图像的类别为0类；

S35、根据混淆矩阵T_i，计算出与其对应的敏感度sensitivity_i、特异度specificity_i以及和值senspe_i，且令：和值＝敏感度+特异度；

S36、计算所有和值中的最大值，即senspe_k＝max senspe_i，得出对应的k值、混合矩阵T_k、cutoff_k、sensitivity_k、specificity_k以及取值为0或1的哑变量特征q_k。

3.根据权利要求1或2所述的微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，其特征在于，所述步骤S4的具体过程如下：

S41、设置Q为离散化后的新特性，分别对步骤S3中经过哑变量处理后的图像特征，寻找出与所述步骤S36中对应的混合矩阵T_k，通过四个表卡方检验得出卡方值x²；

S42、将所述卡方值x²与卡方界值表匹配，得到卡方检验p值；

S43、将p值大于0.05的图像特征剔除，保留p值小于0.05的图像特征，即为所述具有统计学意义的组学特征。