[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

说明书

本发明公开了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，包括以下步骤: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；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；使用LASSO对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；根据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；结合MSI标签和患者的临床病理信息构建MSI预测模型。本发明基于容易获得的组织病理图像直接预测胃癌患者的MSI状态，无需额外的实验室进行基因检测和免疫组织化学分析，可以以更低的成本实现MSI状态的检测。

技术领域

本发明涉及计算机医学图像信息处理技术领域，尤其涉及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。

背景技术

传统的MSI检测方法主要有两种：免疫组织化学(Immunohistochemistry IHC)和聚合酶链式反应(PCR)；IHC是通过检测错配修复基因的表达情况来反应MSI状态，PCR则是通过特定的单核苷酸位点的基因标记进行遗传分析；但无论是IHC还是PCR检测手段均需要在大容量的三级医疗中心进行，且需要较高的经济和时间成本，在临床实践中难以推广至每一个患者。因此，无法为大量潜在的免疫疗法敏感者提供及时的免疫检查点抑制剂治疗，从而丧失了控制疾病的机会。

病理组织学一直是癌症诊断和预测的重要工具，它的表型信息反应了分子改变对癌细胞行为的综合影响，并为评估疾病的进展情况提供了直接的可视化的工具。组织病理学家可以通过评估细胞密度，组织结构，有丝分裂状态等组织学特征来对病变进行分类和分级。随着显微镜成像技术和计算机技术的进步，基于病理图片的辅助诊断模型发展迅速。其中纹理分析成为一种重要的癌症分析方法，通过定义用于提取纹理属性的运算符，对癌症图像进行定量分析。目前基于统计纹理分析的计算机辅助诊断是常见的特征提取方法。例如，基于灰度直方图、灰度共生矩阵等方法提取肿瘤区域的纹理特征。基于癌症患者病理图像纹理特征的预测模型可以弥补人工分析的缺陷，不仅能提供准确客观的预测结果，而且也可以减少医师的工作量从而极大地提高诊断效率。

本发明提出一种基于组织病理图像的胃癌MSI预测方法，无需额外的实验室进行基因检测和免疫组织化学分析，可以以较低的成本实现MSI状态的检测。

发明内容

本发明的目的在于克服传统技术中存在的上述问题，提供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，针对肿瘤的异质性，从胃癌组织病理图像中提取定量的图像特征，使用Lasso回归构建预测标签，将预测标签作为独立的预测因子，结合患者的临床病理信息，通过logistics回归进行多变量分析构建预测模型，并绘制列线图实现预测模型的可视化。

为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：

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，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。