买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨理工大学

摘要：本发明涉及一种基于多视图结节联合纵隔脂肪特征方法。对于高危患者，通常需要有创的诊断方法来进一步证实肺癌的存在，但这些方法可能会增加一系列的风险。因此，开展准确的非侵入性风险评估显得至关重要。我们进行了一项回顾性研究，涉及来自三个著名的医疗中心的患者数据。将患者分为一个主要队列和两个外部试验队列。我们的多视图模型利用9个固定的视角将三维结节分解成不同的二维切片，从而提取出结节的特征。此外，为了帮助该模型更好地预测肺结节的良恶性性质，我们还提取了纵隔脂肪的特征。然后将这些提取的特征输入支持向量机SVM模型，便于准确预测结节的性质。最后，从模型的校准、鉴别和临床效用等方面进行了评价。

主权项：1.基于多视图结节联合纵隔脂肪特征方法进行肺结节良恶性预测，其特征在于，该方法包括以下步骤：步骤1：使用三线性插值方法填充CT图片的感兴趣区域ROI，得到一个包含结节的50x50x50立方区域。从横截面、矢状面、冠状面和6个对角线视角中提取了9种类型的二维切片结节的多角度二维切片。步骤2：使用ImageJ软件第1.53a版来分析CT横断面图像。该软件能够基于CT扫描的Hounsfield单位HU进行组织边界分割，从而确定纵膈脂肪区域，并将其从CT图片中分割出来。步骤3：从二维结节切片的每个角度提取16个深度学习特征，从纵隔脂肪区提取768个深度学习特征。采用VisionTransformer模型从9种二维结节切片中提取特征。以SwinTransformer模型作为提取纵隔脂肪图像的主干网络。将特征提取纳入随机森林、自适应增强、决策树、梯度增强和支持向量机SVM中，从而选择预测肺结节良恶性的最佳方法。步骤4：采用灵敏度、特异性、准确性、受试者工作特征ROC曲线、精度查全率PR曲线和ROC曲线下面积AUC等指标评估模型性能。绘制校准曲线，以评估风险估计的准确性。我们还计算了测量概率域差异的Brier得分，得分越低表明预测能力越好。此外，采用Delong检验评估AUC值的差异。计算净重分类指数NRI，以比较添加纵隔脂肪模型和结节模型与仅使用结节模型之间的性能。此外，对所有患者的临床病理特征和CT方案进行分层分析。通过测量不同阈值概率下的总体效益，采用决策曲线分析DCA来评估模型的临床有效性。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 基于多视图结节联合纵隔脂肪特征方法进行肺结节良恶性预测