[发明专利]一种基于LightGBM和特征融合的食管静脉曲张分类系统

权利要求书

1.一种基于LightGBM和特征融合的食管静脉曲张分类系统，其特征在于，包括：

分割模块，用于对获取的CT图像中肝、脾和食管的感兴趣区域分别进行分割提取；

特征提取模块，用于对得到的每个部位的感兴趣区域图像进行放射组学特征提取；

第一权重分配模块，用于对每个部位的放射组学特征分配相等权重后得到第一特征矩阵；

第二权重分配模块，用于根据每个部位的放射组学特征采用LightGBM方法判断每个部位对患食管静脉曲张的重要性，并根据重要性对每个部位的放射组学特征加权融合后得到第二特征矩阵；

分类模块，用于将第一特征矩阵和第二特征矩阵分别训练LightGBM分类模型，将所有的结果进行比较，从而找到最高效的食管静脉曲张分类模型；以训练后的LightGBM分类模型对待测CT图像是否患食管静脉曲张进行分类。

2.如权利要求1所述的一种基于LightGBM和特征融合的食管静脉曲张分类系统，其特征在于，所述第二权重分配模块中，采用LightGBM方法对每个部位的所有放射组学特征进行选择，得到每个部位的特征分布，初步判断每个部位对食管静脉曲张分类的重要性。

3.如权利要求2所述的一种基于LightGBM和特征融合的食管静脉曲张分类系统，其特征在于，所述第二权重分配模块中，利用LightGBM方法对每个部位的放射组学特征进行分类预测，得到每个部位对食管静脉曲张分类的准确率，二次判断每个部位对食管静脉曲张分类的重要性。

4.如权利要求3所述的一种基于LightGBM和特征融合的食管静脉曲张分类系统，其特征在于，根据每个部位的特征分布和分类准确率综合判断每个部位对食管静脉曲张分类的重要性，重要性从高到低依次为食管特征、脾特征和肝特征。

5.如权利要求1所述的一种基于LightGBM和特征融合的食管静脉曲张分类系统，其特征在于，所述特征提取模块中，放射组学特征包括纹理特征和非纹理特征。

6.如权利要求1所述的一种基于LightGBM和特征融合的食管静脉曲张分类系统，其特征在于，将所述CT图像导入到影像控制软件中进行不同部位的分割提取。

7.如权利要求6所述的一种基于LightGBM和特征融合的食管静脉曲张分类系统，其特征在于，所述影像控制软件采用ITK-SNAP 3.xTeam。

8.如权利要求1所述的一种基于LightGBM和特征融合的食管静脉曲张分类系统，其特征在于，所述CT图像为DICOM格式。

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成以下步骤：

对获取的CT图像中肝、脾和食管的感兴趣区域分别进行分割提取；

对得到的每个部位的感兴趣区域图像进行放射组学特征提取；

对每个部位的放射组学特征分配相等权重后得到第一特征矩阵；

对每个部位的放射组学特征采用LightGBM方法判断每个部位对患食管静脉曲张的重要性，并根据重要性对每个部位的放射组学特征加权融合后得到第二特征矩阵；

将第一特征矩阵和第二特征矩阵分别训练LightGBM分类模型，将所有的结果进行比较，从而找到最高效的食管静脉曲张分类模型；以训练后的LightGBM分类模型对待测CT图像是否患食管静脉曲张进行分类。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成以下步骤：

对获取的CT图像中肝、脾和食管的感兴趣区域分别进行分割提取；

对得到的每个部位的感兴趣区域图像进行放射组学特征提取；

对每个部位的放射组学特征分配相等权重后得到第一特征矩阵；

对每个部位的放射组学特征采用LightGBM方法判断每个部位对患食管静脉曲张的重要性，并根据重要性对每个部位的放射组学特征加权融合后得到第二特征矩阵；

将第一特征矩阵和第二特征矩阵分别训练LightGBM分类模型，将所有的结果进行比较，从而找到最高效的食管静脉曲张分类模型；以训练后的LightGBM分类模型对待测CT图像是否患食管静脉曲张进行分类。