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：中国医科大学附属第一医院

摘要：本发明提供一种基于机器学习对神经精神狼疮进行影像组学诊断的方法。该方法包括：获取患者的脑MRI图像；对预处理后的脑MRI图像进行脑内感兴趣区域的分割；对感兴趣区域内的放射组学特征进行提取；筛选与神经精神狼疮的诊断预测相关的特征；将筛选出的特征划分为第一训练集和第一测试集；搭建N个基于机器学习的放射组学预测模型；保存训练好的N个基于机器学习的放射组学预测模型；使用多元线性回归将最优AUC脑区对应的放射组学预测模型进行保存；获取NPSLE患者的血清学指标；将血清学指标划分为第二训练集和第二测试集；搭建将放射组学特征与血清学指标结合的联合预测模型；将第二测试集输入联合预测模型得到患者神经精神狼疮的预测分类结果。本发明填补了磁共振影像组学在NPSLE诊断上的空白，给临床医生协助诊断NPSLE带来实际的指导意义。

主权项：1.一种基于机器学习对神经精神狼疮进行影像组学诊断的方法，其特征在于，包括：步骤S1：获取第一数据集；其中，所述第一数据集为NPSLE患者的脑MRI图像；所述脑MRI图像的序列包括T1WI、T2Flair、和SWI；步骤S2：对所述第一数据集进行预处理；步骤S3：对预处理后的第一数据集进行脑内感兴趣区域的自动分割，以将每个NPSLE患者的脑MRI图像序列划分为N个不同的脑区；其中，N为大于2的正整数；步骤S4：对所述脑内感兴趣区域内的放射组学特征进行提取；步骤S5：从提取到的放射组学特征中筛选与神经精神狼疮的诊断预测相关的影像学特征；步骤S6：按照预设比例将筛选出的影像学特征划分为第一训练集和第一测试集；步骤S7：在不同的MR序列下，针对N个不同的脑区，分别搭建对应的N个基于机器学习的放射组学预测模型；步骤S8：将所述第一训练集分别输入所述对应的N个基于机器学习的放射组学预测模型进行训练，保存训练好的对应的N个基于机器学习的放射组学预测模型；步骤S9：将所述第一测试集分别输入所述训练好的对应的N个基于机器学习的放射组学预测模型，使用多元线性回归将最优AUC脑区对应的放射组学预测模型进行保存；步骤S10：获取第二数据集；其中，所述第二数据集为NPSLE患者的血清学指标；步骤S11：按照预设比例将所述血清学指标划分为第二训练集和第二测试集；步骤S12：将所述第二训练集输入所述最优AUC脑区对应的放射组学预测模型进行训练，保存训练好的最优AUC脑区对应的放射组学预测模型，以实现搭建将放射组学特征与血清学指标进行结合的联合预测模型；步骤S13：将所述第二测试集输入所述联合预测模型，得到患者是否患有神经精神狼疮的预测分类结果。

全文数据：

权利要求：

百度查询： 中国医科大学附属第一医院 基于机器学习对神经精神狼疮进行影像组学诊断的方法