一种基于超声组学的中华鲟亲鱼性腺无创分期检测方法

摘要: 本发明涉及水生动物繁育保护与超声影像检测,特别涉及一种基于超声组学的中华鲟性腺发育无创分期检测方法。背景技术:1、中华鲟是国家一级重点保护水生野生动物,其人工保...
一种基于超声组学的中华鲟亲鱼性腺无创分期检测方法

本发明涉及水生动物繁育保护与超声影像检测,特别涉及一种基于超声组学的中华鲟性腺发育无创分期检测方法。

背景技术:

1、中华鲟是国家一级重点保护水生野生动物,其人工保种和增殖放流是恢复野生种群资源的关键。在人工繁育过程中,对亲鱼性腺发育阶段进行精准分期,是确定最佳催产时间、提高繁殖效率的核心技术环节。

2、目前,中华鲟性腺发育的分期检测主要存在两类技术方案:(1)金标准有创检测技术,通过性腺组织活检取样,进行组织学镜检分期。该方法虽准确率高,但属于有创操作,易对中华鲟亲鱼造成应激损伤、创口感染,甚至影响性腺正常发育与繁殖能力,不符合濒危保护动物的繁育操作规范。(2)常规 b 超肉眼判读技术,通过超声影像的人工肉眼观察,依据经验进行性腺分期。该方法虽为无创操作,但严重依赖检测人员的从业经验与主观判断,分期准确率波动大,无标准化的操作与判读体系,无法满足规模化亲鱼选育的精准化、标准化需求。

3、影像组学技术可通过算法提取医学影像中肉眼无法识别的量化特征,实现病灶的精准分型与分期,目前已广泛应用于人类临床医学领域。其中,pyradiomics是国际通用的开源影像组学特征提取工具包,可实现标准化、可重复的影像特征提取,为影像组学分析提供了统一的技术基准。但目前尚无将超声影像组学技术系统地应用于中华鲟性腺发育分期的报道。因此,建立标准化的中华鲟性腺 b 超影像组学评估方法是亟待解决的核心问题。

技术实现思路

1、针对现有技术的缺陷,本发明提供了一套基于超声组学技术实现无创、标准化且高精度的性腺发育分期评估方法,利用机器学习方法捕捉肉眼无法识别的细微影像差异,消除了传统人工判读的主观偏倚,结果客观可重复,大幅提升分期精度,解决了现有技术有创、无法常态化监测的痛点。

2、为了达到上述目的,本发明提供了一种基于超声组学的中华鲟性腺发育无创分期检测方法,包括如下步骤:

3、(1)获取中华鲟亲鱼的标准化腹部b超灰阶图像,并进行标注,得到性腺发育分期标签,构建数据集;

4、(2)对所述数据集中的标准化腹部b超灰阶图像中的性腺区域进行分割,生成性腺区域roi的掩膜图像;

5、(3)基于所述掩膜图像,从所述数据集中的对应的原始标准化腹部b超灰阶图像中提取超声组学特征,所述特征至少包括几何特征、强度特征和纹理特征;

6、(4)对所提取的超声组学特征进行标准化处理和特征筛选,获得对性腺发育分期具有最佳判别力的最优特征子集;

7、(5)基于所述最优特征子集和所述分期标签,利用多种机器学习算法分别构建分期预测模型,并评估各模型的性能,根据预设的筛选标准确定最优模型;

8、(6)获取待检测中华鲟亲鱼的标准化腹部b超灰阶图像,生成性腺区域roi的掩膜图并提取超声组学特征,利用最优模型进行分期检测。

9、进一步的,所述步骤(1)具体为:

10、(1.1)选择子一代中华鲟,置于专用担架中,腹面向上稍侧翻,鱼体整体浸没水中,探头于水下接触目标检测部位实施检测;

11、(1.2)采用配备3.5-5.0 mhz凸阵探头的超声诊断仪,调整扫查深度、增益至可清晰分辨皮肤层、肌肉层和性腺层三层结构;以中华鲟泄殖孔向头部方向依次计数,固定选取第 3、5、7 块腹部骨板下侧为测量点位;

12、(1.3)在各点位分别采集纵切面和横切面图像,调整探头至图像清晰后冻结保存,得到中华鲟亲鱼的标准化腹部b超灰阶图像;

13、(1.4)针对得到的中华鲟亲鱼的标准化腹部b超灰阶图像,确定其性腺发育分期标签,并进行标注。

14、进一步的,所述性腺发育分期标签包括ⅱ期、ⅲ期、ⅳ期3个组别。

15、进一步的,所述步骤(2)具体为:

16、(2.1)对所述标准化腹部b超灰阶图像,沿性腺边界进行roi多边形勾画,勾画范围严格限定为可清晰识别的性腺全层区域,全程避开脊索、肌肉层及肠道影区;

17、(2.2)对于勾画得到的roi区域进行格式转换,生成jpg格式的性腺区域二值化掩膜图像,即为性腺区域roi的掩膜图像。

18、进一步的,所述步骤(3)具体为:

19、对原始标准化腹部b超灰阶图像进行灰度离散化预处理;

20、基于所述掩膜图像,从预处理后的原始标准化腹部b超灰阶图像中提取超声组学特征;

21、所述几何特征涵盖性腺区域的二维形状属性;所述强度特征捕捉性腺区域内像素灰度值的一阶统计特性,反映区域内部的灰阶均一性与异质性;所述纹理特征通过灰度共生矩阵、灰度游程矩阵、灰度区域大小矩阵和邻域灰度差分矩阵,描绘灰度值的二阶及更高阶空间分布规律。

22、进一步的,所述步骤(4)具体为:

23、(4.1)采用z-score法对所提取的超声组学特征进行标准化处理,消除不同特征间的量纲差异;

24、(4.2)根据所述分期标签的分组数量,选用单因素方差分析对标准化处理后的超声组学特征进行统计学显著性筛选,仅保留

p值小于第一阈值的特征;

25、(4.3)采用皮尔逊相关系数分析筛选后的超声组学特征间的关联程度,对于相关系数绝对值大于第二阈值的成对特征,剔除其中任意一个特征以消除冗余;

26、(4.4)在十折交叉验证框架下,通过套索回归算法对剩余特征进行进一步精简,确定最优正则化参数λ,得到由非零系数特征构成的最佳判别力的最优特征子集。

27、进一步的,所述多种机器学习算法包括逻辑回归、支持向量机、随机森林、极端随机树、多层感知机、极端梯度提升和轻量级梯度提升机,从中选取最优模型。

28、进一步的,所述(5)预设的筛选标准为;计算每个分期预测模型在训练集与验证集上的auc差值,若差值大于第三阈值则判定为明显过拟合,排除该分期预测模型;在通过过拟合筛选的分期预测模型中,以宏平均与微平均auc作为核心评价指标,以准确率、精确率、召回率、f1分数、敏感性和特异性作为辅助评价指标,选取综合性能最优的模型。

29、进一步的,所述步骤(6)还包括:将所述最优模型封装为网页应用,所述网页应用提供超声组学特征的输入接口,并输出性腺发育分期预测结果及对应预测概率。

30、本发明还提供了一种基于超声影像组学的中华鲟性腺发育分期无创评估系统,包括:

31、数据获取模块,用于获取中华鲟亲鱼的标准化腹部b超灰阶图像,并进行标注,得到性腺发育分期标签,构建数据集;

32、roi分割模块,用于对所述数据集中的标准化腹部b超灰阶图像中的性腺区域进行分割,生成性腺区域roi的掩膜图像;

33、特征工程模块,用于基于所述掩膜图像,从所述数据集中的对应的原始标准化腹部b超灰阶图像中提取超声组学特征,所述特征至少包括几何特征、强度特征和纹理特征;对所提取的超声组学特征进行标准化处理和特征筛选,获得对性腺发育分期具有最佳判别力的最优特征子集;

34、模型构建与评估模块,用于基于所述最优特征子集和所述分期标签,利用多种机器学习算法分别构建分期预测模型,并评估各模型的性能,根据预设的筛选标准确定最优模型;

35、部署模块,用于将所述最优模型封装为网页应用,所述网页应用提供超声组学特征的输入接口,并输出性腺发育分期预测结果及对应预测概率;

36、应用模块,用于获取待检测中华鲟亲鱼的标准化腹部b超灰阶图像,生成性腺区域roi的掩膜图并提取超声组学特征,输入网页应用进行分期检测。

37、本发明的有益效果:

38、(1)本发明基于超声组学技术实现了无创、标准化且高精度的性腺发育分期评估。全流程标准化体系消除了传统人工判读的主观偏倚,结果客观可重复;机器学习方法可捕捉肉眼无法识别的细微影像差异,大幅提升分期精度;仅需腹部 b 超影像即可完成检测,彻底避免有创活检对亲鱼的应激损伤,适配濒危保护动物繁育规范,解决了现有技术有创、无法常态化监测的痛点。

39、(2)本发明集中于模型部署便捷、系统实用性强。将最优模型封装为网页端可视化交互工具,实现影像输入到分期结果输出的全流程分析,操作门槛低,无需专业组学背景即可使用,可直接嵌入繁育场日常管理流程,为中华鲟种群常态化监测与亲鱼选育提供可靠技术支撑。