一种基于影像组学的乳腺癌新辅助化疗疗效预测方法与流程

本申请涉及医学图像的，尤其涉及一种基于影像组学的乳腺癌新辅助化疗疗效预测方法。

背景技术：

1、乳腺癌是女性群体中发病率最高的恶性肿瘤，严重威胁女性生命健康与生活质量。新辅助化疗是局部进展期乳腺癌、早期高危乳腺癌的治疗手段，可有效缩小肿瘤病灶、降低肿瘤分期，为手术切除、保乳治疗创造条件，随着影像组学技术的发展，基于医学影像的无创疗效预测方案逐步应用于乳腺癌新辅助化疗疗效评估领域，通过挖掘影像数据中的高通量定量特征，可客观反映肿瘤的生物学特性。但当前现有影像组学预测方法仍存在诸多不足之处。

2、首先，现有影像组学特征提取与筛选流程粗放，有效特征筛选不足、冗余特征过多。现有技术提取的影像特征类型单一，多仅简单统计基础纹理、形态特征，忽略了高阶小波特征、代谢异质性特征等能够反映肿瘤微观隐匿特性的关键特征，无法充分挖掘化疗疗效相关的潜在影像标志物。

3、其次，目前多数研究的模型训练数据集存在样本筛选局限，多集中于单一分子分型、单一肿瘤分期的乳腺癌患者，样本覆盖范围窄，未贴合临床中乳腺癌患者分型复杂、分期多样的真实诊疗现状，导致训练得到的模型针对性过强，对不同分型、不同分期患者的疗效预测准确率波动极大。

4、此外，现有主流预测模型多为纯影像组学预测模型，存在预测维度单一、贴合临床不足的缺陷。乳腺癌新辅助化疗疗效不仅与肿瘤影像微观特征相关，还与患者的临床基线特征、免疫组化表达水平等多种临床因素密切相关，单一影像特征无法全面覆盖影响化疗疗效的各类变量。

5、申请内容

6、本申请旨在至少在一定程度上解决相关技术中的技术问题。

7、为达到上述目的，本申请提出了一种基于影像组学的乳腺癌新辅助化疗疗效预测方法，包括以下步骤：

8、s1、获取待预测乳腺癌患者化疗前的双模态原始影像数据，所述双模态原始影像数据包括乳腺mr影像数据与乳腺专用pet影像数据；

9、s2、对所述乳腺mr影像数据与乳腺专用pet影像数据分别进行预处理，得到配准对齐后的标准化双模态影像数据；

10、s3、基于预处理后的标准化双模态影像数据，勾画乳腺癌病灶感兴趣区域，分别提取乳腺mr影像组学特征与乳腺专用pet影像组学特征，构成双模态原始影像组学特征集；

11、s4、对所述双模态原始影像组学特征集进行特征筛选与优化，剔除冗余、无效特征，得到最优双模态影像组学特征子集；

12、s5、将所述最优双模态影像组学特征子集输入预先训练完成的乳腺癌新辅助化疗疗效预测模型，输出患者新辅助化疗疗效预测结果，所述疗效预测结果包括病理完全缓解与非病理完全缓解两类评估结果。

13、另外，根据申请上述提出的还可以具有如下附加的技术特征：

14、具体地，所述步骤s1中，所述乳腺mr影像数据为多参数乳腺mr影像数据，包括动态增强dce-mri、扩散加权dwi-mri及表观扩散系数adc影像数据；所述乳腺专用pet影像数据为乳腺专用正电子发射断层显像的葡萄糖代谢pet影像数据，包含病灶最大标准化摄取值、代谢体积原始影像参数。

15、具体地，所述步骤s2的预处理过程具体包括：

16、分别对乳腺mr影像、乳腺专用pet影像进行去噪、灰度归一化、切片插值重采样处理，统一两种影像的空间分辨率、像素间距与影像维度；

17、以乳腺mr影像为基准影像，采用刚性配准结合局部弹性配准算法，将乳腺专用pet影像与乳腺mr影像进行像素级精准配准，消除双模态影像空间位置偏差；

18、通过影像阈值分割去除胸壁、乳腺脂肪、血管无关组织区域，保留纯乳腺病灶影像区域，完成双模态影像标准化预处理。

19、具体地，所述步骤s3中，所述感兴趣区域为人工结合智能分割联合勾画得到的乳腺癌肿瘤实质区域，不包含肿瘤周边正常乳腺组织及水肿区域；

20、其中，所述乳腺mr影像组学特征包括一阶统计特征、二阶纹理特征、形态学特征及小波变换高阶特征；所述乳腺专用pet影像组学特征包括代谢强度特征、代谢异质性纹理特征、病灶代谢分布形态特征。

21、具体地，所述步骤s4的特征筛选与优化具体包括：

22、采用方差阈值法剔除方差低于预设阈值的低区分度特征，完成初筛；

23、采用皮尔逊相关系数法剔除高相关性冗余特征，保留独立特征；

24、基于最小绝对收缩与选择算子lasso回归算法，结合十折交叉验证，筛选出与乳腺癌新辅助化疗疗效高度相关的特征，构成双模态影像组学特征子集。

25、具体地，所述步骤s5中，所述乳腺癌新辅助化疗疗效预测模型的训练构建过程包括：

26、构建训练数据集、验证数据集与测试数据集，数据集样本均为接受规范新辅助化疗的乳腺癌患者，所有样本均留存化疗前乳腺mr与乳腺专用pet双模态影像数据及术后病理疗效金标准结果；

27、对数据集中所有样本按照步骤s2-s4的流程处理，得到各样本的最优双模态影像组学特征子集；

28、以最优双模态影像组学特征子集为输入，以病理金标准的化疗疗效结果为标签，基于随机森林、支持向量机或深度学习网络算法构建初始预测模型；

29、通过验证数据集迭代优化模型超参数，基于测试数据集验证模型准确率、auc值、特异性与敏感性，筛选出性能最优的模型作为最终的乳腺癌新辅助化疗疗效预测模型。

30、具体地，所述数据集样本涵盖不同分子分型、不同肿瘤分期的乳腺癌患者，所述病理金标准结果依据乳腺癌新辅助化疗病理评估标准判定病理完全缓解或非病理完全缓解。

31、具体地，还包括：将患者临床病理特征、免疫组化指标与所述最优双模态影像组学特征子集融合，构建影像-临床联合预测模型，实现多维度融合的新辅助化疗疗效精准预测。

32、本申请一种基于影像组学的乳腺癌新辅助化疗疗效预测方法的有益效果如下：

33、1、融合多参数乳腺mr与乳腺专用pet双模态影像，同时提取形态、纹理、统计、小波高阶特征及肿瘤代谢强度、代谢异质性等多类量化参数，充分挖掘肿瘤微观隐匿的异质性信息，保证输入模型的特征高有效性，显著提升预测准确性。

34、2、构建所采用的数据集涵盖不同分子分型、不同肿瘤分期的乳腺癌病例，贴合临床真实病例分布特点，结合多算法建模、超参数迭代优化及多维度指标验证择优，对各类乳腺癌患者均可实现稳定、可靠的疗效预测，大幅提升了模型的泛化能力与临床适配性。

35、3、将最优双模态影像组学特征与患者临床病理特征、免疫组化指标进行融合，构建影像-临床联合预测模型，兼顾肿瘤微观影像特征与患者个体临床差异，全面覆盖影响化疗疗效的多维度关键因素，可为临床优化乳腺癌新辅助化疗方案提供客观的量化依据。

技术实现思路

1.一种基于影像组学的乳腺癌新辅助化疗疗效预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于影像组学的乳腺癌新辅助化疗疗效预测方法，其特征在于，所述步骤s1中，所述乳腺mr影像数据为多参数乳腺mr影像数据，包括动态增强dce-mri、扩散加权dwi-mri及表观扩散系数adc影像数据；所述乳腺专用pet影像数据为乳腺专用正电子发射断层显像的葡萄糖代谢pet影像数据，包含病灶最大标准化摄取值、代谢体积原始影像参数。

3.根据权利要求1所述的一种基于影像组学的乳腺癌新辅助化疗疗效预测方法，其特征在于，所述步骤s2的预处理过程具体包括：

4.根据权利要求1所述的一种基于影像组学的乳腺癌新辅助化疗疗效预测方法，其特征在于，所述步骤s3中，所述感兴趣区域为人工结合智能分割联合勾画得到的乳腺癌肿瘤实质区域，不包含肿瘤周边正常乳腺组织及水肿区域；

5.根据权利要求1所述的一种基于影像组学的乳腺癌新辅助化疗疗效预测方法，其特征在于，所述步骤s4的特征筛选与优化具体包括：

6.根据权利要求1所述的一种基于影像组学的乳腺癌新辅助化疗疗效预测方法，其特征在于，所述步骤s5中，所述乳腺癌新辅助化疗疗效预测模型的训练构建过程包括：

7.根据权利要求6所述的一种基于影像组学的乳腺癌新辅助化疗疗效预测方法，其特征在于，所述数据集样本涵盖不同分子分型、不同肿瘤分期的乳腺癌患者，所述病理金标准结果依据乳腺癌新辅助化疗病理评估标准判定病理完全缓解或非病理完全缓解。

8.根据权利要求1所述的一种基于影像组学的乳腺癌新辅助化疗疗效预测方法，其特征在于，还包括：将患者临床病理特征、免疫组化指标与所述最优双模态影像组学特征子集融合，构建影像-临床联合预测模型，实现多维度融合的新辅助化疗疗效精准预测。