CN114664409B 一种复发鼻咽癌影像组学数据处理方法、系统、装置和存储介质 （中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所））

本发明公开了一种复发鼻咽癌影像组学数学数据处理方法包括：获取复发鼻咽癌患者MRI组学关键特征输入至通过训练得到的随机森林咽癌患者鼻咽坏死风险的预测和治疗方案制定2采用机器学习算法对影像组学关键特征建立模型预所述影像组学关键特征为：log-sigma-3-0-mm-3D_firstorder_RootMeanSquared_wavelet-HL_glcm_Imc2_T1C、log-sigma-1-0-mm-3D_glcm_ClusterProminence_T2和wavelet-HL_glrlm_RunEntropy4.一种复发鼻咽癌患者再程放疗后发生鼻咽坏死的风险3[0001]本发明属于数据处理技术领域，具体涉及一种复发鼻咽癌影像组学数据处理方程放疗仍有可能获得较好的局部控制(3年局控率为66.1％-71.0％)和长期生存(3年总生接受再程放疗的患者鼻咽坏死发生率约为28.850.8显著高于接受初次放疗的患者的两次放疗累积剂量(≥141.5Gy)和较大的复发肿瘤体积(≥25.38cm3)是发生致死性鼻咽[0005]影像学检查(尤其是鼻咽部MRI扫描)是鼻咽癌诊疗过程中最为重要的手段。事实4点。近年来，基于MRI或PET/CT的影像组学技术已被用于鼻咽癌预后和诱导化疗疗效的预[0007]本发明第二方面的目的，在于提供检测本发明第一方面所述标志物的物质的应shape_Maximum2DDiameterColumn_T1、original_shape_Sphericity_T1C、wavelet-HL_发鼻咽癌患者再程放疗后发生鼻咽坏死的风险5所述的复发鼻咽癌患者再程放疗后发生鼻咽坏死的风险预测模型理器可执行的指令在由处理器执行时用于执行如本发明第四方面所[0030]本发明还提供影像特征在构建复发鼻咽癌患者再程放疗后发生鼻咽坏死的风险[0032]本发明提供的基于多序列MRI图像预测再程放疗后鼻咽坏死的影像组学模型，是前基于MRI图像对每位患者再程放疗后发生鼻咽坏死的风险进行精准预测。针对鼻咽坏死6方医院三个医疗中心收集患者合并组成外部验证集(136例)。所有患者经病理确诊为局部立重复分割数据：由另一位不同研究人员和同一研究人员在四周后对病例进行重复分割，[0046]使用线性插值方法对所使用Python软件的pyradiomics包分别在原始影像数据和经多种滤波后的增强数据上提取鼻咽坏死的准确性使用递归特征消除(RFE)法过滤特征，使用网格搜索策略来确定要保留[0054]基于筛选出的6个关键影像组学特征构建随机森林模型，这6个特征包括：log-7sigma-3-0-mm-3D_firstorder_RootMeanSquared__T2、original_shape_Maximum2DDiameterColumn_T1、original_shape_Sphericity_T1C、wavelet-HL_glcm_Imc2_T1C、log-sigma-1-0-mm-3D_glcm_ClusterProminence_T2、wavelet-HL_glrlm_在0~∞范围内搜索结果为500，样本下采样率在0～1范围内搜索结果为75特征下采样林模型将会同时构建500个独立的决策树模型，并取其各自输出的平均值作为随机森林模用受试者工作特征(ROC)曲线和ROC曲线下面积(AUC)评估模型预测鼻咽坏死的区分度(Discrimination)。绘制校准曲线以评估影像组学模型的校准度(Calibration)，使用Hosmer-Lemeshow拟合优度检验对模型校准度进行[0059]所述影像组学模型在训练集、内部验证集和外部验证集上预测鼻咽坏死的ROC曲[0061]根据训练集中影像组学得分的中位值(发肿瘤体积调整的多因素Cox回归模型分析影像组学标签是否是者OS显著差于鼻咽坏死低危患者，其死亡