[发明专利]一种肺腺癌浸润性影像组学分类模型的构建方法

权利要求书

1.一种肺腺癌浸润性影像组学分类模型的构建方法，其特征在于，该方法包括以下步骤：

S1、以不同分辨率下多组胸部CT影像为对象，通过胸部CT肺结节检测分割系统自动检测和分割胸部CT影像中的肺结节病灶，根据病理活检结果获取每个肺结节的细胞学类型，进而得到浸润性分类的真实标签；

S2、使用开源的Pyradiomics软件库自动提取分割结果中每个所述肺结节病灶设定所需提取数目的影像组学特征，结合每个肺结节的浸润性真实标签，组成一个训练数据集；

S3、针对每个分辨率的CT影像，以训练数据集中的肺结节影像组学特征作为输入，基于病理诊断结果的肺结节浸润性作为真实标签，分别训练一套浸润性分类预测模型。

2.如权利要求1所述的肺腺癌浸润性影像组学分类模型的构建方法，其特征在于，在所述病理诊断结果中，选择不典型腺瘤样增生、原位癌和微浸润腺癌作为非浸润癌，浸润性腺癌作为浸润性癌，以所述非浸润癌、浸润性癌作为真实标签以及训练分类模型的预测目标。

3.如权利要求1所述的肺腺癌浸润性影像组学分类模型的构建方法，其特征在于，在步骤S1中，各组胸部CT影像的不同分辨率的像素尺寸分别为0.2mm×0.2mm、0.4mm×0.4mm以及0.8mm×0.8mm。

4.如权利要求1所述的肺腺癌浸润性影像组学分类模型的构建方法，其特征在于，在步骤S2中，所述影像组学特征包括6个特征类别、9种图像类型；其中，

所述6个特征类别分别基于一阶形状、灰度共生矩阵GLCM、灰度相关矩阵GLDM、灰度游程长度矩阵GLRLM和灰度大小区域矩阵GLSZM；

所述9种图像类型分别为原图和其他8种小波变换后的图。

5.如权利要求1所述的肺腺癌浸润性影像组学分类模型的构建方法，其特征在于，在步骤S3中，所述分类模型的训练过程为：

用递归特征消除从所有影像组学特征中挑出候选特征；

使用所有训练数据集样本的候选特征初步拟合一个逻辑回归模型，挑出这个逻辑回归模型中拟合系数显著大于零的特征；

使用这最优特征建模并做5折交叉验证，验证集的曲线下面积作为评估模型精度的指标。