[发明专利]基于影像组学的脑膜瘤伽马刀治疗后水肿预测系统

说明书

本发明提供了一种基于影像组学的脑膜瘤伽马刀后瘤周水肿预测系统；包括影像组学特征提取单元，用以对各患者术前头颅磁共振常规序列肿瘤区域进行影像组学特征提取；将各患者影像组学特征中的冗余特征去除以得到筛选后的重要影像组学特征；结合筛选后的影像组学特征、临床数据获取单元的临床特征及影像学语义特征获取单元获取的影像学特征等，根据水肿发生与否及发生时间得到临床影像特征与结局判定单元获得的术后水肿发生率及发生期之间的关系，建立随机生存森林模型用于预测。本发明的术后水肿预测系统，通过提取肿瘤区域的影像学特征结合临床特征，具有无创性、可重复、易操作的优点，可为评估行伽马刀的脑膜瘤患者预后、改善临床决策提供有力支持。

技术领域

本发明属于医学图像处理技术领域，具体涉及一种基于影像组学的脑膜瘤伽马刀后水肿预测系统。

背景技术

脑膜瘤是最常见的颅内良性肿瘤，占颅内原发肿瘤的13-26％。尽管大多数脑膜瘤有良好的预后，但由于完全切除仍然有难度，它们常常复发。此外，由于脑膜瘤边界清晰，在磁共振成像定位准确，它是立体定向放射外科(SRS)的理想肿瘤类型。因此，SRS已成为脑膜瘤患者长期抑制肿瘤生长和预防症状加剧的重要治疗策略。SRS治疗的5～10年局部肿瘤控制率可达到87～98％。伽玛刀放射外科治疗(以下简称伽马刀)是应用最广泛的SRS方法。虽然伽马刀是一种推荐的治疗方法，但术后有瘤周放射性水肿的风险，文献报道的发生率范围很广，从2％到50％不等，平均/中位发病时间在3～9个月之间。有些GKS术后水肿可能无症状，但有些水肿可导致头痛、恶心、共济失调、其他神经症状，甚至死亡。在较为严重的情况下，这些症状可能需要激素治疗，甚至需要外科切除病灶。这些水肿带来的不良反应的发生率和伽马刀治疗的必要性，是临床医师需要衡量的。因此预测术后水肿的发生概率对于临床决策有重要意义。一些文献已报道了脑膜瘤患者伽马刀术后水肿风险增加的相关因素。潜在因素包括更高的剂量、更大的肿瘤体积、颅底(尤其是近矢状面)位置、治疗前水肿的存在等。

近年来，影像组学在一些疾病预后方面显示出巨大的潜力。影像组学是通过从图像中提取大量描述图像各个方面的定量特征来实现的。这种高维数据是对传统统计技术的挑战，如线性回归、Cox回归等。同时，当存在高删失率时，Cox回归的性能将不可靠。相比之下，近年来发展迅速的机器学习方法能够有效地处理高维问题。在各种机器学习模型中，随机生存森林(RSF)是一个非参数模型，它在包含事件发生时间的数据包含大量协变量时，可以获得了很高的预测性能。一些研究已经证实了RSF在多个领域的良好性能，但在脑膜瘤患者在伽马刀术后水肿预测中使用RSF还未有报道。

发明内容

本发明的目的是提供一种基于影像组学的脑膜瘤伽马刀后水肿预测系统。可基于脑膜瘤患者的基本临床信息、影像学特征，以及影像组学特征，建立能够快速预测伽马刀后水肿发生率及发生时间的工具。

为了达到上述目的，本发明一方面提供一种基于影像组学的脑膜瘤伽马刀后瘤周水肿预测系统，所述系统包括：

临床数据获取单元：

--用以获取行伽马刀治疗的脑膜瘤患者的临床资料、治疗前及治疗后随访的头颅磁共振图像信息，并形成临床数据集；

结局判定单元：

--用以从患者术后随访头颅磁共振获取术后瘤周水肿的发生情况及发生时间，并形成结局数据集；

影像组学特征提取单元：

--用以从患者术前头颅磁共振常规序列脑膜瘤区域进行影像组学特征提取及筛选，并形成影像组学特征数据集；

影像学语义特征获取单元：

--用以解读分析患者术前磁共振常规序列脑膜瘤区域图像获取影像学语义特征，并形成影像学语义特征数据集；

预测模型建立单元：