基于随机森林算法的CT影像组学疾病三分类辅助诊断系统的制作方法

摘要: 本发明属于医学图像处理与人工智能辅助诊断,具体涉及一种基于随机森林算法的ct影像组学疾病三分类辅助诊断系统及方法。背景技术:1、在临床医学中,基于医学影像的疾病...
基于随机森林算法的CT影像组学疾病三分类辅助诊断系统的制作方法

本发明属于医学图像处理与人工智能辅助诊断,具体涉及一种基于随机森林算法的ct影像组学疾病三分类辅助诊断系统及方法。

背景技术:

1、在临床医学中,基于医学影像的疾病分类对于辅助诊断、风险分层与治疗决策具有重要意义。以肺结节为例,不同性质的肺结节(如恶性肿瘤转移灶、良性结节等)在影像学表现上可能存在重叠,单纯依赖主观阅片易受经验差异影响,导致误诊、漏诊或过度检查。

2、近年来,影像组学通过从医学影像中提取高通量定量特征(包括形状特征、一阶统计特征、纹理特征等),可在一定程度上刻画病灶异质性与微观结构差异,为无创鉴别诊断提供新的手段。然而,现有基于影像组学的疾病分类方法仍存在以下不足:

3、(1)高维特征与小样本的矛盾突出。影像组学特征通常呈现“特征数远大于样本数”的典型高维小样本情形,直接建模易诱发过拟合,导致模型泛化能力不足。

4、(2)特征筛选缺乏系统性的多阶段优化机制。公开报道中多采用单一特征选择策略,难以在保留有效特征信息与控制特征维度之间取得最优平衡。

5、(3)多分类场景下的类别不均衡处理不足。在临床三分类任务中,各类样本量往往存在差异,传统模型容易偏向多数类,影响少数类的识别准确率。

6、(4)模型可解释性不足。随机森林等集成学习模型虽然在分类性能上表现优异,但其“黑盒”性质限制了在临床场景中的可信度与可接受度,尚缺少对模型决策依据进行有效解释的系统性方案。

7、(5)面向三分类任务的系统性影像组学辅助诊断方案较少。现有技术多聚焦于二分类问题(良/恶性鉴别),对于需要同时区分多种疾病类型的临床场景,尚未见兼顾特征筛选、类别不均衡处理与可解释性分析的完整技术方案。

8、已有一些将影像组学与机器学习结合的技术方案。例如,专利申请cn118552504a公开了一种基于人工智能的超声影像检测方法及系统,将影像组学特征添加至随机森林模型中进行诊断。然而,该方案主要面向超声影像的二分类诊断场景,不涉及ct影像的三分类问题,且其特征提取与模型构建流程较为基础,针对高维小样本数据的系统性优化策略的公开报道相对较少。专利申请cn117333731a公开了一种基于频率迭代与多重监督训练模式的启发式影像组学特征选择方法,但该方法主要关注特征选择算法本身,不涉及完整的疾病三分类辅助诊断流程。

9、此外,已有研究利用随机森林模型基于平扫ct影像构建影像组学模型进行疾病分类。然而,相关研究多聚焦于二分类任务(如良恶性鉴别或特定基因突变预测),针对三分类场景的系统性技术方案尚不多见,尤其是在高维小样本场景下特征筛选、类别不均衡处理与模型可解释性的协同优化等方面,尚缺少公开的系统性解决方案。

技术实现思路

1、本发明针对现有影像组学辅助诊断方法在高维小样本三分类场景下存在的特征筛选不充分、类别不均衡、可解释性不足等技术问题,提供了一种基于随机森林算法的ct影像组学疾病三分类辅助诊断系统及方法。

2、为实现上述目的,通过如下技术方案实现:

3、根据本发明的第一方面,提供一种基于随机森林算法的ct影像组学疾病三分类辅助诊断系统,包括:

4、影像获取与勾画模块,用于获取待诊断对象的胸部ct平扫影像,并在所述胸部ct平扫影像上勾画肺部结节的感兴趣区域;

5、影像组学特征提取模块,用于基于所述感兴趣区域,分别在原始图像及多种滤波变换图像上提取影像组学特征,所提取特征涵盖一阶统计特征、形状特征以及多种纹理特征,获得原始影像组学特征集;

6、多阶段特征筛选模块,用于对所述原始影像组学特征集进行包含方差过滤、相关性过滤、z-score标准化处理和递归特征消除的多阶段降维筛选,以获得核心特征子集;

7、模型构建与训练模块,用于以所述核心特征子集作为输入,构建基于随机森林的三分类模型,并采用重复分层交叉验证策略和动态类别权重策略对所述基于随机森林的三分类模型进行训练和超参数优化;

8、可解释性分析模块,用于采用shap方法对训练后的所述基于随机森林的三分类模型进行全局可解释性分析,输出包含各影像组学特征对三分类决策的贡献度排序及特征影响方向的特征重要性分析结果;

9、预测输出模块,用于将待测样本的ct影像数据依次经所述影像获取与勾画模块、所述影像组学特征提取模块及所述多阶段特征筛选模块处理后提取核心特征子集,将所述核心特征子集输入训练后的所述基于随机森林的三分类模型,输出三分类预测结果及对应的特征重要性分析结果。

10、根据本发明的第二方面,还提供一种基于随机森林算法的ct影像组学疾病三分类辅助诊断方法,包括以下步骤:

11、s1:获取待诊断对象的胸部ct平扫影像,并勾画肺部结节的感兴趣区域;

12、s2:基于所述感兴趣区域,分别在原始图像及多种滤波变换图像上提取影像组学特征,所提取特征涵盖一阶统计特征、形状特征以及多种纹理特征,获得原始影像组学特征集;

13、s3:对所述原始影像组学特征集进行包含方差过滤、相关性过滤、z-score标准化和递归特征消除的多阶段降维筛选,以获得核心特征子集;

14、s4:以所述核心特征子集作为输入,构建基于随机森林的三分类模型,所述基于随机森林的三分类模型用于将待测样本划分为第一类别、第二类别和第三类别,其中,所述第一类别为妊娠滋养细胞肿瘤肺转移,所述第二类别为其他恶性肿瘤肺转移,所述第三类别为良性肺结节;并采用重复分层交叉验证策略和动态类别权重策略对所述基于随机森林的三分类模型进行训练和超参数优化;

15、s5:采用shap方法对训练后的所述基于随机森林的三分类模型进行全局可解释性分析,输出各影像组学特征对三分类决策的贡献度排序及各特征影响方向;

16、s6:获取待测样本的ct影像数据,按照步骤s1至s3的过程提取该待测样本的原始影像组学特征、并从所述原始影像组学特征中获得对应的核心特征子集,输入训练后的所述基于随机森林的三分类模型,输出三分类预测结果及对应的特征重要性分析结果。

17、根据本发明的第三方面,还提供一种电子设备包括:处理器、存储器、系统总线;所述处理器以及所述存储器通过所述系统总线相连;所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行第二方面所述方法的步骤。

18、相比于现有技术,本发明取得如下有益效果:

19、(1)在本实施例条件下,有助于降低高维特征带来的过拟合风险。通过方差过滤、相关性过滤、z-score标准化处理与于基于重复分层交叉验证的递归特征消除(rfecv)所构成的四阶段渐进式筛选机制,从386维原始特征中筛选出8个核心特征,各阶段均有明确的数量控制节点(方差过滤后312个、相关性过滤后267个、筛选后得到8个)。初步模型比较阶段,直接使用全部386个特征建模时,交叉验证准确率为55.75%,加权平均auc为0.6976;在经四阶段筛选的基础上,进一步采用balanced_subsample动态类别权重策略及超参数优化后,准确率提升至58.0%,加权平均auc提升至0.769,微平均auc达到0.776。表明与未经最终优化的基础模型相比,本模型的四阶段联合筛选机制、动态类别权重设置及超参数优化流程能够更好地去除冗余与共线性特征,提升了分类模型的泛化能力与稳健性。

20、(2)在本实施例条件下,有助于缓解类别不均衡对少数类识别的影响。balanced_subsample动态类别权重策略在每个bootstrap子样本中根据实际类别分布动态计算权重,而非使用全局固定权重,使权重与当前子样本的实际分布相匹配。

21、(3)提供模型预测依据的可解释分析结果。通过shap分析构建了面向三分类的可解释框架,能够输出特征重要性排序及核心特征对每一类别预测结果的贡献程度,为临床医师提供可追溯的辅助诊断依据。

22、(4)形成了系统化的三分类辅助诊断技术方案。本发明构建了从ct影像采集到三分类预测结果输出的完整技术链路,操作流程规范,本领域技术人员可依据本发明的技术方案在各自数据集上进行复现和部署。

23、本发明在现有样本条件下验证了该技术路线的可行性,相关性能指标为后续多中心、大样本研究提供了技术基础和参考,具有显著的技术价值和临床应用前景。

24、应当理解, 技术实现要素: 部分中所描述的内容并非旨在限定本发明的实施例的关键或重要特征,亦非用于限制本发明的范围。本发明的其它特征将通过以下的描述变得容易理解。