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：抚顺市中心医院

摘要：本发明公开了一种基于临床特征与CT影像特征及放射组学特征结合的上皮性卵巢癌综合模型及训练方法。该方法通过通过融合临床特征、CT影像特征与放射组学特征实现对上皮性卵巢癌综合模型的建立与训练。本发明提出的基于临床特征与CT影像特征及放射组学特征结合的上皮性卵巢癌综合诊断模型的训练方法，将显著提高EOC的术前诊断准确性，为制定个性化治疗方案和预测预后提供科学依据，具有重要的临床应用价值和推广前景。

主权项：1.一种基于临床特征与CT影像特征及放射组学特征结合的上皮性卵巢癌综合诊断模型及训练方法，其特征在于，所述基于临床特征与CT影像特征及放射组学特征结合的上皮性卵巢癌综合诊断模型具体训练步骤如下：步骤一：对EOC患者临床数据进行处理，纳入标准如下：1病理证实的EOC；2术前1个月内进行增强CT检查；3完整的病历及手术病理报告。排除标准包括：1CT检查前的治疗如新辅助化疗；2存在明显的腹水，掩盖病变，无法分割病变；3CT图像中有明显的伪影。步骤二：获取受试者的临床数据、影像数据。步骤三：检查每个患者的CT图像，并对典型的十个影像特征进行评估。步骤四：一名放射科医生对每张CT图像进行手工分割卵巢病变。分割完成后，由另一名放射科医生从训练集中随机抽取指定数量患者CT图像，由此计算类间相关系数ICC。步骤五：使用专业的医学影像处理软件如3DSlicer、PyRadiomics等对CT图像进行预处理，包括去噪、标准化和重采样等步骤。步骤六：采用不同σ值下的小波分解和LoG高斯拉普拉斯式增强方法对原始图像进行特征识别。随后利用Python中的放射组学包Pyradioomics，从门静脉相位CT图像上分割的每个肿瘤ROI中提取放射组特征。步骤七：对临床特征中的分类变量使用热编码器进行编码，连续变量使用z-score归一化法进行标准化。对于放射组学特征则选取ICC类间相关系数≥0.8的特征进行后续分析，并采用z-score归一化法对纳入的放射组学特征进行标准化。步骤八：使用联合互信息最大化JMIM技术并结合最大相关最小冗余MRMR技术来选择最相关的特征，并进行特征降维。步骤九：采用惩罚logistic回归算法建立传统模型TM、放射组学模型RS以及基于临床特征与CT影像特征及放射组学特征结合的综合模型IM。在10倍交叉验证过程中进行网格搜索，优化选定的特征和超参数的数量，进行惩罚logistic回归分析，使交叉验证结果的AUC曲线下面积最大化。在确定最优特征和超参数的数量后，使用整个训练集对模型进行再训练。步骤十：采用灵敏度最大化的原则，通过10倍交叉验证计算ROC受试者工作特征曲线的截止值，以评估模型的准确性、灵敏度和特异性。采用DeLong检验’s法比较了传统模型、放射组学模型和综合模型之间ROC曲线的统计学差异。

全文数据：

权利要求：

百度查询： 抚顺市中心医院 基于临床特征与CT影像特征及放射组学特征结合的上皮性卵巢癌综合模型及训练方法