一种基于影像组学的生存期预测方法及装置与流程

技术特征：

1.一种基于影像组学的患者生存期预测方法，其特征在于，包括：

获取多个患者的影像数据及各患者的生存期；

从各患者的影像数据中分别分割出各患者的肿瘤区域及肿瘤区域的子区域；

对各患者的肿瘤区域及肿瘤区域的子区域进行影像特征提取；

将各患者影像特征中的冗余特征去除以得到各患者筛选后的影像特征；

根据各患者的生存期及各患者筛选后的影像特征得到影像特征与生存期之间的关联关系。

2.如权利要求1所述的基于影像组学的患者生存期预测方法，其特征在于，从各患者的影像数据中分别分割出各患者的肿瘤区域及肿瘤区域的子区域之前还包括：

对各患者的影像数据进行预处理，其中，预处理包括图像配准、图像平滑及数据标准化处理。

3.如权利要求1所述的基于影像组学的患者生存期预测方法，其特征在于，所述影像特征包括直方图特征数据，形状特征数据及纹理特征数据。

4.如权利要求1所述的基于影像组学的患者生存期预测方法，其特征在于，从各患者的影像数据中分别分割出各患者的肿瘤区域及肿瘤区域的子区域之后还包括：

针对每一患者，对该患者的部分肿瘤区域的子区域进行合并处理以得到该患者的肿瘤区域的合并子区域；

对各患者的肿瘤区域及肿瘤区域的子区域进行影像特征提取进一步为对各患者的肿瘤区域、肿瘤区域的子区域及肿瘤区域的合并子区域进行影像特征提取。

5.如权利要求1所述的基于影像组学的患者生存期预测方法，其特征在于，影像特征与生存期之间的关联关系的表达公式为：

Y＝W*X+W1*X1+...+Wi+Xi+...+Wn*Xn+z，

其中，

Y表示生存期，X表示肿瘤区域筛选出的影像特征，m₀表示肿瘤区域筛选出的影像特征个数，W表示X的系数，X1、Xi及Xn表示肿瘤区域的子区域筛选出的影像特征，m₁、m_i及m_n表示肿瘤区域的子区域筛选出的影像特征个数，W1、Wi及Wn分别表示X1、Xi及Xn的系数，z表示常数。

6.一种基于影像组学的患者生存期预测装置，其特征在于，包括：

获取模块，用于获取多个患者的影像数据及各患者的生存期；

分割模块，用于从各患者的影像数据中分别分割出各患者的肿瘤区域及肿瘤区域的子区域；

特征提取模块，用于对各患者的肿瘤区域及肿瘤区域的子区域进行影像特征提取；

筛选模块，用于将各患者影像特征中的冗余特征去除以得到各患者筛选后的影像特征；

关联模块，用于根据各患者的生存期及各患者筛选后的影像特征得到影像特征与生存期之间的关联关系。

7.如权利要求6所述的基于影像组学的患者生存期预测装置，其特征在于，还包括预处理模块，用于对各患者的影像数据进行预处理，其中，预处理包括图像配准、图像平滑及数据标准化处理。

8.如权利要求6所述的基于影像组学的患者生存期预测装置，其特征在于，所述影像特征包括直方图特征数据，形状特征数据及纹理特征数据。

9.如权利要求6所述的基于影像组学的患者生存期预测装置，其特征在于，还包括合并模块，用于针对每一患者，对该患者的部分肿瘤区域的子区域进行合并处理以得到该患者的肿瘤区域的合并子区域；

所述特征提取模块进一步用于对各患者的肿瘤区域、肿瘤区域的子区域及肿瘤区域的合并子区域进行影像特征提取。

10.如权利要求6所述的基于影像组学的患者生存期预测装置，其特征在于，所述关联模块得到的影像特征与生存期之间的关联关系的表达公式为：

Y＝W*X+W1*X1+...+Wi+Xi+...+Wn*Xn+z，

其中，

Y表示生存期，X表示肿瘤区域筛选出的影像特征，m₀表示肿瘤区域筛选出的影像特征个数，W表示X的系数，X1、Xi及Xn表示肿瘤区域的子区域筛选出的影像特征，m₁、m_i及m_n表示肿瘤区域的子区域筛选出的影像特征个数，W1、Wi及Wn分别表示X1、Xi及Xn的系数，z表示常数。