申请/专利权人：深圳市龙华区中心医院

申请日：2023-12-27

公开（公告）日：2024-02-20

公开（公告）号：CN117576484A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/25;G06V10/26;G06V10/40;G06V10/54;G06V10/774

优先权：

专利状态码：在审-公开

法律状态：2024.02.20#公开

摘要：本发明公开了基于影像组学的HCC‑MRI图像分级模型建立方法，包括获取数组处于不同阶段HCC‑MRI数据，然后，对数据进行病灶标注，并遵照肝脏影像报告及数据系统的标准对病例进行分级标记；接着采用PyRadiomics完成HCC‑MRI数据的特征提取；随后分别采用卡方检验和最小绝对收缩和选择算法对特征进行单变量的初步筛选和多变量的二次筛选；最后，采用支持向量机分类器来进行建模，并采用交叉验证的方式对模型进行训练调整，实现HCC‑MRI数据的分级。本发明公开的HCC分级模型具有计算量小、精度高、鲁棒性稳健等优点，是一种适用于训练样本量较少的HCC‑MRI数据分级的方法。

主权项：1.基于影像组学的HCC-MRI图像分级模型建立方法，其特征在于，包括以下步骤：S1、数据获取；S2、图像分割与分级：对数据进行病灶标注以将病灶数据从背景中提取出来，形成感兴趣体积数据VOI，遵照LI-RADS标准对病变进行分级标注；S3、影像组学特征提取：采用PyRadiomics工具对分割后的感兴趣体积数据进行影像组学的特征提取，提取的特征要素包括一阶特征、基于形状的特征和高阶纹理特征；S4、特征筛选：将每个感兴趣体积数据所提取的特征先进行卡方测试完成单变量的分析，随后使用LASSO回归进行多变量分析，通过放射特征的合理组合，筛选出能够有效区分不同阶段HCC病变的特征量作为最终的训练数据；S5、模型建立：基于S4步骤中筛选出来的特征量，采用支持向量机分类器构建模型来对HCC进行分级，在模型训练中，采用10倍交叉验证来完成模型的调参，得到适用于HCC-MIR分级的模型。

全文数据：

权利要求：

百度查询： 深圳市龙华区中心医院 基于影像组学的HCC-MRI图像分级模型建立方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD