[发明专利]一种基于CC-注意力机制的影像组学特征筛选方法

说明书

本发明提供了一种基于CC‑注意力机制的影像组学特征筛选方法，即根据影像特征与临床特征之间的相关性来进行特征筛选，改善目前传统特征提取方法与临床特征联系不紧密的情况。首先勾画结直肠癌肝转移患者的感兴趣区域，获得影像组学特征，然后将所获得的影像特征与临床特征进行相关性分析，得到影像‑临床特征的相关性矩阵，然后利用CC‑注意力机制来对影像‑临床特征矩阵进行分析，筛选出与临床特征相关性较强的影像特征组，来达到通过临床与影像特征相关性来进行特征筛选的目的。通过上述方法提高了结直肠癌肝转移微卫星状态的预测率，更好的辅助肿瘤的治疗。

技术领域

本发明涉及计算机辅助相关性分析技术领域，具体地说是一种基于CC-注意力机制的影像组学特征筛选方法。

背景技术

结直肠癌(colorectal carcinoma，CRC)是第三大最常见的恶性肿瘤，也是死亡率第二高的癌症。20％的结直肠癌患者在诊断时已经有肝转移，高达50％的患者将在头三年内发生肝转移，转移的发生率因年龄、性别和不同的原发性结直肠癌部位而异。分化程度差、淋巴节转移、转移器官不同、癌胚抗原较高与这四种远处转移呈正相关。根据微卫星不稳定性的频率，可分为三种类型：微卫星高度不稳定性(microsatellite instability-high，MSI-H)、微卫星低度不稳定性(microsatellite instability-low，MSI-L)和微卫星稳定性(microsatellite stability，MSS)。在结直肠癌中，约15％至20％的结直肠癌病例被发现与MSI-H相关。事实上，早期结直肠癌和MSI-H患者的总体生存率更高，复发机会更低。

影像组学这一新兴方向在肿瘤领域的研究发展迅速，强调的深层次含义是指从影像中高通量地提取大量影像信息，实现肿瘤分割、特征提取与模型建立，凭借对海量影像数据信息进行更深层次的挖掘、预测和分析来辅助医师做出最准确的诊断。

结直肠癌患者中，基于CT的放射组学特征与MSI状态之间存在显著相关性。通过术前CT的放射分析对MSS和MSI的术前预测可以增加临床评估的特异性，并有助于个性化治疗选择。关于原发性肿瘤(结肠和/或直肠)的基于CT放射组学的分析，可以预测同步肝转移。

影像组学中传统的特征筛选方法比如LASSO能够挑出一些优质特征帮助分类。需要减少特征数的时候它很有用，但是对于数据理解来说不是很友好，使用传统的特征筛选方法，由于并没有很好的与临床特征进行结合，可能导致筛选出的特征尽管对于分类有一定的效果，但是对于临床应用的意义不大，而一些未被LASSO筛选出的特征可能临床意义更大，对于疾病的术前诊断及治疗更有意义。

发明内容

本发明的目的就是提供一种基于CC-注意力机制的影像组学特征筛选方法，该方法利用临床特征与影像特征之间的相关性进行特征筛选，能够提高结直肠癌肝转移微卫星状态的预测率，更好的辅助肿瘤的治疗。

本发明是这样实现的：

一种基于CC(Correlation with Clinical)-注意力机制的影像组学特征筛选方法，包括CT影像的处理、影像特征与临床特征的相关性分析，根据影像特征与临床特征的相关性进行特征筛选，影像特征与结直肠癌肝转移微卫星不稳定性状态(包括微卫星高度不稳定性和微卫星低度不稳定性)的分析，分类模型及预测效果分析，具体步骤如下：

CT影像的处理：首先，通过医学图像处理软件Simple ITK，从CT图像中找到肿瘤部位，先使用自动勾画选项对肿瘤部位进行勾画，再按照勾画部位进行细节填充与删除。然后将提取出的肿瘤部位与原始图像通过Python的PyRadiomics包来进行特征提取，将提取出的特征进行保存。