资源类型：
申请号：
申请日期：
授权年份：
公开号：
公开日：
法律状态：
主分类号：
分类号：
摘要：
本发明涉及基于三维影像组学特征的肺结节识别系统和方法，包括步骤：对获取的低剂量CT图像进行预处理；基于深度学习的全自动肺结节识别和分割软件对预处理后的低剂量CT图像进行肺结节的识别和分割，得到目标分割结果；基于目标分割结果对三维影像组学特征进行提取，将三维影像组学特征作为训练数据构建影像组学模型；将实时获取的低剂量CT图像输入影像组学模型，得到对应的三维影像组学特征，从而进行肺结节风险评估。本发明利用剂量优化和图像优化方案标准化处理的低剂量CT图像，针对不同密度类型的肺结节构建影像组学模型，实现肺结节识别和风险评估，有利于为患者制定分级管理策略。
主权项：
1.基于三维影像组学特征的肺结节识别系统，其特征在于：包括： 临床信息知识库模块，用于存储受检者胸部的低剂量CT图像以及临床信息； 图像预处理模块，用于对低剂量CT图像进行预处理； 肺结节自动识别和分割模块，用于基于深度学习的全自动肺结节识别和分割软件对预处理后的低剂量CT图像进行肺结节的识别和分割，得到目标分割结果； 影像组学特征提取模块，用于基于目标分割结果对三维影像组学特征进行提取，并将三维影像组学特征作为训练数据构建影像组学模型； 所述影像组学特征提取模块具体用于将所有受试者的三维影像组学特征构成训练数据，按照7:3的比例划分为训练数据集、测试数据集，利用训练数据集构建影像组学模型； 首先进行三维影像组学特征的选择，采用无监督算法和有监督算法序贯串联运行的方式学习特征，再采用基于反向逐步选择的多因素逻辑回归方法建立影像组学模型； 所述无监督算法包括斯皮尔曼系数相关分析、基于互信息的最大相关最小冗余算法； 斯皮尔曼系数相关分析计算秩统计参数Rs，计算方法为： 其中，x、y分别表示待分析相关性的变量序列对，n表示变量序列x和y的元素个数，i表示第i个元素；Oi表示变量序列x中第i个元素的秩次，Qi表示变量序列y中第i个元素的秩次；Rs表示秩统计参数； 基于互信息的最大相关最小冗余算法求取三维影像组学特征和目标类别之间的互信息以及三维影像组学特征之间的互信息： 其中，Sn表示具有n个三维影像组学特征的训练数据集，fi,fj∈Sn，c为目标类别集合；p(fi,c)为fi和c之间的联合概率密度，p(fi)为fi的概率密度，p(c)为c的概率密度；p(fi,fj)为fi和fj之间的联合概率密度，p(fj)为fj的概率密度；I为互信息函数，为邻域精度； 肺结节风险评估模块，用于通过影像组学模型对受检者的低剂量CT图像进行肺结节风险评估。
