基于PET/CT图像亚区影像组学特征的肺腺鳞癌诊断装置 技术领域
本发明涉及医学影像领域和机器学习领域，尤其涉及一种基于PET/CT图像亚区影像组学特征的肺腺鳞癌诊断装置。
背景技术
正电子发射断层扫描仪（positron emission tomography, PET）是一种在分子层面上的功能性成像设备。扫描前需要对患者注入放射性示踪剂，示踪剂在患者体内进行衰变进而发生湮灭，产生一对发射方向约180 o相反的511keV伽马光子，检测器会采集这些伽马光子达到晶体的位置和时间信息。通过使用图像重构建算法对采集的信息进行重构建并进行后处理，即可获得反应示踪剂在患者体内代谢和摄取的情况。医生根据PET/CT的影像结果，结合各项临床指标综合分析患者的病情，从而确定方案，在肺癌检测和定性中有着重要作用。 一系列研究表明，影像组学特征对癌症的诊断、提高临床能力、提供决策有着积极作用。但是目前基于这些方法的诊断效率不高。传统的影像组学特征提取，是对整个肿瘤进行特征提 取，这是建立在整个肿瘤是同质性的假设下的。而事实上，肿瘤内部本身是异质性的，肿瘤不应该简单地被当作一个匀质的整体，而应该是看成不同生态区组成的一个联合体，包括了肿瘤活跃区、基质、免疫细胞等。同时肿瘤的异质性在影像中也有表现即不同类型的肿瘤，在影像中不同区域的体现有差异，因此，通过获取肿瘤影像不同区域的影像组学特征有望提高诊断效率。
发明内容
本发明的目的在于针对现有技术的不足，充分考虑肿瘤内部的异质性，提供了基于PET/CT图像亚区影像组学特征的肺腺鳞癌诊断装置，通过根据包含体素PET值、CT值、CT局部主梯度角特征值的三维特征向量进行个体聚类、层次聚类，形成肿瘤亚区分区。再基于肿瘤亚区分区，提取每个分区的radiomics影像组学特征，进行基于递归特征消除法（RFE）的特征选择，放入分类器（SVM、逻辑回归），对肺鳞癌、肺腺癌进行分类。 本发明采用的技术方案如下：
一种基于PET/CT图像亚区影像组学特征的肺腺鳞癌诊断装置，具体包括：
体素三维特征提取模块，所述体素三维特征提取模块用于提取PET/CT图像中肺肿瘤每个体素在一个邻域内的CT局部主梯度角特征值、该体素的CT值、PET值，并组成该体素的三维特征向量[PET值、CT值、CT局部主梯度角特征值]；
特征聚类模块，用于对得到的每个体素的三维特征向量[PET值、CT值、CT局部主梯度角特征值]进行聚类，获取肿瘤亚区分区；
radiomics影像组学特征提取模块，用于对每个肿瘤亚区分区提取radiomics影像组学特征；
分类模块，用于根据提取的radiomics影像组学特征区分肿瘤为肺腺癌还是肺鳞癌。
进一步地，肺肿瘤每个体素在一个小邻域的CT局部主梯度角特征值提取方法包括如下步骤：
（1）对于肺肿瘤在CT图像上的每一个体素 vϵ V, 计算其在X,Y,Z三个维度的梯度值；
（2）对于每一个体素 vϵ V, 取以体素 v为中心的邻域，将该邻域内包含的所有体素在X,Y,Z三个维度的梯度值组成该体素 v的局部梯度矩阵；其中，所述邻域的半径为3~9；
（3）对（2）中得到的每个体素 v的局部梯度矩阵进行奇异值分解，得到三个维度X, Y, Z上的最主要分量 r v X , r v Y , r v Z ；则体素 v的CT局部主梯度角特征值 。
进一步地，所述特征聚类模块采用个体性聚类和层次聚类获取肿瘤亚区分区，具体包括如下步骤：
(a) 个体性聚类：采用K-means聚类算法，以体素[PET值、CT值、CT局部主梯度角特征值]之间的平方欧式距离作为相似性度量，将每个肿瘤独立分割成K 1个连续的超体素，K 1为大于10的整数；
(b) 层次聚类：采用K-means聚类算法对所有N个PET/CT图像样本的K 1个超体素的平均强度三维向量[PET值、CT值、CT局部主梯度角特征值]进行体聚类，获得的K 2个聚类结果即为得到的肿瘤亚区分区。
优选地，体聚类时，K取值2-10，从中选取Calinski-Harabasz Score数值最大聚类结果作为肿瘤亚区分区。
进一步地，所述radiomics影像组学特征包括CT特征和PET特征。
进一步地，所述分类模块为SVM、决策树或逻辑回归。
本发明的有益效果是：肺腺癌和肺鳞癌是肺癌的主要类型，两种类型的肿瘤在影像学上不同区域表现具有差异，这是基于影像组学诊断肺腺鳞癌的基本依据。本发明装置通过以体素为单位提取每个体素在一个邻域内的CT局部主梯度角特征值、CT值、PET值，并进行聚类划分肿瘤亚区，从而更好地考虑肿瘤内部的异质性，通过提取更加有效的亚区影像组学特征，有效提高肿瘤诊断的准确率。
附图说明
图1是本发明诊断装置的诊断流程图；
图2是本发明中亚区生成的详细流程图；
图3是本发明诊断装置的五折交叉验证曲线图；
图4是传统装置的五折交叉验证曲线图。
具体实施方式
本发明方法根据肿瘤内区域变化在临床影像学中很明显，具体来说，在单个肿瘤中，瘤内表不同，如坏死区、高度活跃区，它们反映了不同的生物过程。所以先将肿瘤进行亚区的分区提取处理（图2），再分别进行影像组学特征提取，从而更好地考虑肿瘤异质性，提取更加有效的影像组学特征，提高肿瘤诊断的准确率。具体地，本发明的一种基于PET/CT图像亚区影像组学特征的肺鳞腺癌诊断装置，该诊断装置具体包括：
体素三维特征提取模块，所述体素三维特征提取模块用于提取PET/CT图像中肺肿瘤每个体素在一个小邻域的CT局部主梯度角特征值、该体素的CT值、PET值，并组成该体素的三维特征向量[PET值、CT值、CT局部主梯度角特征值]；
特征聚类模块，用于对得到的每个体素的三维特征向量[PET值、CT值、CT局部主梯度角特征值]进行聚类，获取肿瘤亚区分区；
radiomics影像组学特征提取模块，用于对每个肿瘤亚区分区提取radiomics影像组学特征，并进行特征筛选。
分类模块，用于根据提取的radiomics影像组学特征区分肿瘤是肺腺癌还是肺鳞癌。
图1是本发明诊断装置的诊断流程，先对PET/CT图像中肺肿瘤进行亚区分区（图2），然后对每个肿瘤亚区分别提取影像组学特征，具体包括如下步骤：
步骤一：将PET/CT图像样本输入至体素三维特征提取模块中获取每个体素的三维特征向量[PET值、CT值、CT局部主梯度角特征值]，用于后续聚类；
其中，CT局部主梯度角特征值可以采用如下方法进行获取：
（1.1）对于肺肿瘤在CT图像上的每一个体素 vϵ V, 计算其在X,Y,Z三个维度的梯度值，记为 。
（1.2）对于每一个体素 vϵ V, 取以体素 v为中心的邻域W, 本实施例中采用的大小为3×3×3。对于体素 vϵ V， v M ϵ W， M = 1,2,3,…,27，得到局部梯度矩阵 ， M = 1,2,3,…,27。
（1.3）对（1.2）中得到的体素 v的局部梯度矩阵 进行奇异值分解，得到三个维度X, Y, Z上的最主要分量 r v X , r v Y , r v Z 。则体素 v的CT局部主梯度角特征值为 。
步骤二：将体素三维特征提取模块获取的每个样本的所有三维特征向量[PET值、CT值、CT局部主梯度角特征值]输入至特征聚类模块进行聚类，具体包括如下子步骤：
（2.1）个体性聚类：采用K-means聚类算法，以体素[PET值、CT值、CT局部主梯度角特征值]之间的平方欧式距离作为相似性度量，将每个肿瘤独立分割成K 1个连续的超体素，本实施例中K 1=40。假定对于一个肿瘤样本 S = { x 1, x 2, x 3,…, x i ,…, x m }，m为该肿瘤的体素数量；其中 x i =[PET i , CT i , CT local dominant orientation i ]为肿瘤中每个体素对应的三维特征向量， i = 1,2,3,…, m。聚类个数K 1 = 40，步骤为：
（2.1.1）随机选择初始的K 1=40个类别中心， μ 1, μ 2, μ 3,…, μ K1，并聚类：
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议