[发明专利]基于胃癌组织病理图像纹理特征的MSI预测模型构建方法

权利要求书

1.一种基于胃癌组织病理图像纹理特征的MSI预测模型构建方法，其特征在于，包括以下步骤:

步骤1、获取胃癌患者的组织病理图像、病灶部位的标记以及临床病理信息；

步骤2、针对胃癌患者的组织病理图像，提取原始图像的纹理特征和经过小波变换后的纹理特征；

步骤3、使用LASSO对步骤2中得到的纹理特征进行特征选择，选择10倍交叉验证误差最小时的λ值对应的非零系数特征，得到筛选后的纹理特征；

步骤4、根据步骤3所选择的纹理特征的特征值及其系数权重进行线性拟合，从而得到胃癌患者的MSI标签；

步骤5、结合步骤4得到的MSI标签和患者的临床病理信息构建MSI预测模型。

2.根据权利要求1所述的基于胃癌组织病理图像纹理特征的MSI预测模型构建方法，其特征在于，步骤2中提取的纹理特征包括一阶统计量、灰度共生矩阵、灰度大小区域矩阵、灰度游程长度矩阵、相邻灰度色调差异矩阵和灰度依赖矩阵。

3.根据权利要求1所述的基于胃癌组织病理图像纹理特征的MSI预测模型构建方法，其特征在于，步骤3中LASSO筛选图像纹理特征的具体操作包括：

1)对步骤2中提取到的纹理特征应用LASSO回归，对高维数据执行特征选择并进行正则化，通过惩罚估计函数提高预测准确性，将L1惩罚项添加到普通线性模型，估计为：

其中Y是预测标签，X为特征向量，λ为正则化系数，λ0，随着参数λ变大，大多数协变量系数缩小为零；β_j为第j个特征的权重系数，d是特征矩阵的维度；

2)选择交叉验证误差最小时为模型最优值，筛选出系数不为0的特征作为与MSI状态最相关的纹理特征。

4.根据权利要求1所述的基于胃癌组织病理图像纹理特征的MSI预测模型构建方法，其特征在于，步骤4中构建胃癌患者的MSI标签具体操作包括：

根据步骤3所筛选的纹理特征按各自系数权重及对应特征值进行线性拟合，MSI标签计算公式如下：

MSI-tag＝FeatureValve_i*α_i

其中α_i是第i个特征的系数，Feature Valve_i是患者第i个特征值；

计算后得到胃癌患者的MSI标签。

5.根据权利要求1所述的基于胃癌组织病理图像纹理特征的MSI预测模型构建方法，其特征在于，步骤5中构建MSI预测模型的具体操作包括：

结合临床病理信息和影像分数，通过logistics回归构建预测模型，并绘制Nomogram图将预测模型可视化。

6.根据权利要求1所述的基于胃癌组织病理图像纹理特征的MSI预测模型构建方法，其特征在于，所述LASSO以缩小特征集为思想，是一种收缩估计方法，LASSO能够将特征的系数进行压缩并使某些回归系数变为0，进而达到特征选择的目的。