[发明专利]肿瘤局部控制预测模型的构建方法、预测方法及电子设备

说明书

本发明公开肿瘤局部控制预测模型的构建方法、预测方法及电子设备。模型构建方法，包括：获取立体定向放疗的肺癌患者治疗前的筛选临床因素的数据、治疗前的筛选剂量学因素的数据、治疗前的医学影像图、以及治疗后的肿瘤状态；基于医学影像图，得到关于该医学影像图的影像组学评分；以筛选临床因素的数据、筛选剂量学因素的数据、以及影像组学评分作为综合模型的输入，治疗后的肿瘤状态作为综合模型的输出，对综合模型进行训练，得到综合模型。本发明综合考虑肿瘤全部特征，纳入影像组学特征、临床因素和剂量学因素建立预测原发性和转移性肺癌患者SBRT治疗后1年的局部控制模型，大大提高了肺癌患者SBRT治疗后1年的局部控制预测准确率。

技术领域

本发明涉及医学数据处理相关技术领域，特别是一种肿瘤局部控制预测模型的构建方法、预测方法及电子设备。

背景技术

随着放疗技术的进步，立体定向放疗(SBRT)在因各种内科合并症而无法耐受手术治疗和不愿意手术治疗的早期原发性肺癌患者中得到了进一步的运用，并且可以用于晚期原发性肺癌或者转移性肺癌的根治性或者新辅助或者辅助性治疗。这种精确的方式使用高剂量消融肿瘤和低剂量保护周围组织。肺癌患者经过SBRT后肿瘤局部控制率可观，正常组织的毒性小，但是也有部分患者肿瘤局部控制不佳。计算机断层扫描(CT)、18F-氟脱氧葡萄糖/正电子发射断层扫描(PET-CT)或活检是检测肿瘤复发的重要诊断工具，但是不能提前预测肿瘤局部状态或不能获得整个肿瘤的信息。最大标准化摄取值(SUVmax)可以用于预测SBRT后的局部复发，但是其预后价值尚不确定。另外的现有技术以影响肿瘤局部控制的临床和剂量学因素建立肿瘤局部控制率模型来计算肺癌患者SBRT后局部控制的可能性。然而，由于这些模型没有综合考虑反应肿瘤异质性的特征，所以导致局部控制率模型的预测效果结果差异较大，而且与临床数据中的局部控制率不具有统一性，难以辨别各个模型在肺癌的立体定向放疗中的适用性。

发明内容

基于此，有必要针对现有技术对于立体定向放疗的肺癌患者治疗后的肿瘤局部控制预测不准确的技术问题，提供一种肿瘤局部控制预测模型的构建方法、预测方法及电子设备。

本发明提供一种肿瘤局部控制预测模型的构建方法，包括：

获取立体定向放疗的肺癌患者治疗前的筛选临床因素的数据、治疗前的筛选剂量学因素的数据、治疗前的医学影像图、以及治疗后的肿瘤状态，所述肿瘤状态包括局部控制或局部失败，所述筛选临床因素从多个临床因素中筛选得到，所述筛选剂量学因素从多个剂量学因素中筛选得到；

基于所述医学影像图，得到关于该医学影像图的影像组学评分；

以所述筛选临床因素的数据、筛选剂量学因素的数据、以及所述影像组学评分作为综合模型的输入，治疗后的肿瘤状态作为所述综合模型的输出，对所述综合模型进行训练，得到用于预测立体定向放疗的肺癌患者治疗后的肿瘤局部控制概率的综合模型。

进一步地，还包括：

获取立体定向放疗的肺癌患者治疗前的医学影像图、以及治疗后的肿瘤状态，所述肿瘤状态包括局部控制或局部失败；

从所述医学影像图中提取多个筛选影像组学特征的数据，所述筛选影像组学特征从多个影像学特征中筛选得到，且所述筛选影像学特征的组间相关系数大于等于预设影像相关系数阈值；

所述影像组学模型为偏置值与多个筛选影像组学特征的数据的加权值之和，以所述筛选影像组学特征的数据作为影像组学模型的输入，治疗后的肿瘤状态作为所述影像组学模型的输出，对所述影像组学模型采用对数几率回归进行训练；

训练后，得到所述影像组学模型的偏置值以及每一所述影像学特征的权重；

所述基于所述医学影像图，得到关于该医学影像图的影像组学评分，具体包括：

从所述医学影像图中提取多个筛选影像组学特征的数据；