基于传统影像组学的胸部增强CT图像处理方法与流程

技术特征：
1.基于传统影像组学的胸部增强ct图像处理方法，其特征在于：其包括以下步骤：(1)ct图像采集：将纳入患者分为第一任务组和第二任务组，均进行ct对比增强扫描；(2)手动勾画分割病灶：由两名放射科医师分别从所有患者中随机挑选一定数量病例，采用对勾画病灶后提取的影像组学特征并计算标签值的icc用于评价观察者间和观察者内对病灶勾画的一致性；(3)影像组学特征提取：对原始图像进行小波滤波和高斯拉普拉斯滤波log，小波滤波分别在x，y，z三个方向组合进行高通和低通两次滤波，共得到8个小波变换图像；log滤波分别采用5个不同的sigma值得到5个log变换图像，再加上原始图像，每例病灶一共得到14个图像用于特征提取；特征提取类型包括：fos特征、glcm特征、glrlm特征、glszm特征、ngtdm特征、gldm、3d形态特征；对于所有患者提取的影像组学特征均通过计算z值进行标准化处理；(4)特征筛选：把每个特征值在两位医生勾画的病灶中计算出的结果值分别集合，计算两类集合中该特征值的icc，保留高icc的特征；对于初步筛选后的特征通过单变量分析再次进行筛选；对于经过上述两步筛选后的特征，将具有最小绝对收缩和选择算子lasso惩罚的正则化多元logistic回归应用于进一步筛选特征，并计算影像组学特征标签；(5)模型构建：在训练集中采用影像组学特征标签并结合临床信息和ct影像征象作为最终的特征参数，使用多变量logistic回归分析构建预测模型，并分别在验证集中进行验证，以及对预测模型的效能进行评价。2.根据权利要求1所述的基于传统影像组学的胸部增强ct图像处理方法，其特征在于：该方法还包括步骤(6)，统计学分析：患者一般临床资料、各ct影像征象的组间比较，对于连续性变量采用独立样本t检验，对分类变量采用χ2检验或fisher’s精确检验。3.根据权利要求2所述的基于传统影像组学的胸部增强ct图像处理方法，其特征在于：所述步骤(1)中，第一任务组的患者ct扫描采用16排mdct、320排mdct和256排mdct，第二任务组的患者ct扫描采用双源ct、128排mdct和二代双源ct；所有纳入患者均采用自动管电压和自动管电流调节技术，经肘静脉注射对比剂采用碘普罗胺注射液370mgi/ml或者碘佛醇注射液320mgi/ml，注射速率3ml/s，对比剂用量65-80ml，于注入对比剂后40s进行增强扫描；所有患者均仰卧位，双手抱头，嘱患者吸气后屏气时进行图像采集；分别在纵隔窗和肺窗重建图像；影像组学的研究基于获取在纵隔窗重建的0.5-1.25mm薄层图像进行分析。4.根据权利要求3所述的基于传统影像组学的胸部增强ct图像处理方法，其特征在于：所述步骤(2)中，评价标准icc为0.81-1.00为几乎完全一致、0.61-0.80为一致性良好、0.41-0.60为一致性中等、0.21-0.40为一致性较低以及icc为0-0.20则为一致性差或无一致性。5.根据权利要求4所述的基于传统影像组学的胸部增强ct图像处理方法，其特征在于：所述步骤(3)中，在第一任务组和第二任务组中采用相同方法分别提取病灶影像组学特征；在特征提取前，所有ct图像均预先经各向同性插值处理，生成像素间距为1mm的各向同性三维数据，统一作为进行灰度特征提取和滤波变换的输入图像。6.根据权利要求5所述的基于传统影像组学的胸部增强ct图像处理方法，其特征在于：所述步骤(4)中，设定icc阈值为0.8用于筛选特征，保留icc高于0.8的特征，去除icc低的特征；单变量分析采用双样本t检验，按保留的特征数量不超过训练集中较小样本组三分之一
的标准再次筛选特征；对于经过上述两步筛选后的特征，通过强制多个参数为零进一步筛选特征。7.根据权利要求6所述的基于传统影像组学的胸部增强ct图像处理方法，其特征在于：所述步骤(4)中，lasso回归模型为公式(1)其中，n是病例数量；yi例是第i个患者的标签值；n是特征数量；xij是第i个患者对应的第j个特征；βi(i＝0,1,2,
…
,n)是模型参数；β0是常量；λ是正则化参数；使用留一法交叉验证loocv来选择λ参数的最佳值，如果某一λ时可使mse最小并曲线下面积auc最大，此时为最优λ；在最优λ的一个标准误差处λ1se重复特征选择过程以使模型中包含的最终特征数量达到稳定水平；在回归方程中按其各自的系数对所选特征进行加权计算影像组学特征标签rs，回归方程为公式(2)其中，y是患者预测结果值，值为0或1；β0是常量；n是模型中特征数量；βi(i＝0,1,2,
…
,n)是模型参数，xj是特征；λ是正则化参数；ε是误差项。8.根据权利要求7所述的基于传统影像组学的胸部增强ct图像处理方法，其特征在于：所述步骤(4)中，基于lasso回归结果的变量与系数，采用公式(3)分别计算第一任务组和第二任务组的计算影像组学特征标签cr：其中，rs是标签值；β0是常量；n是保留的特征数量；xi是特征，βi(i＝0,1,2,
…
,n)是对应特征的系数。9.根据权利要求8所述的基于传统影像组学的胸部增强ct图像处理方法，其特征在于：第一任务组为胸腺瘤组与非胸腺瘤组的比较，第二任务组为低风险与高风险胸腺瘤的组间比较；所述步骤(4)中，对于cr标签值进行组间比较，在训练集中第一任务组以及第二任务组的结果均具有统计学意义；在验证集中第一任务组以及第二任务组的结果均具有统计学意义。10.根据权利要求8所述的基于传统影像组学的胸部增强ct图像处理方法，其特征在于：所述步骤(6)中，使用hosmer-lemeshow检验对第一任务组和第二任务组模型在训练集和验证集中的预测结果分别进行拟合优度检验，评价模型拟合值和观测值的吻合程度。

技术总结
基于传统影像组学的胸部增强CT图像处理方法，基于胸部增强CT图像进行影像征象分析的基础上，采用传统影像组学的研究流程和分析方法，经手动勾画分割病灶和提取病灶的影像组学特征、然后筛选最佳特征和计算影像组学标签，最后将影像组学标签结合患者相关临床资料及CT影像征象构建预测模型用于胸腺瘤的诊断及组织病理学风险评估，并分别在验证集中对预测模型进行验证和评价其预测效能，因此能够客观量化地评价胸部增强CT图像，准确区分低风险与高风险两类胸腺瘤之间的CT影像表现，可以辅助医生的术前治疗方案选择及临床预后判断，大大提升了治疗效率和准确率。提升了治疗效率和准确率。提升了治疗效率和准确率。


技术研发人员：马国林 张冰 李海梅 韩小伟 王依格
受保护的技术使用者：北京康兴顺达科贸有限公司
技术研发日：2020.05.09
技术公布日：2021/11/25