CN111028223B - 一种微卫星不稳定肠癌能谱ct碘水图影像组学特征处理方法 - Google Patents

Abstract

本发明提供一种微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，包括：收集肠癌样本图像；对肠癌样本图像进行感兴趣区域勾画，提取感兴趣区域的图像特征；对提取的图像特征进行哑变量处理，生成一个取值为0或1的哑变量特征；引用卡方检验，对经过哑变量处理后的图像特征采用假设检验法过滤出具有统计学意义的组学特征；采用相关性分析方法对组学特征之间的冗余性进行过滤，引用Kendall相关性分析，计算相关性系数，得到过滤后的组学特征；基于模型层面，引入LASSO算法，对组学特征进行降维处理；基于机器学习方法的最优化理论，引入5折交叉验证技术，通过L2正则化模型构建思想，最优化得到L2正则化Logistic回归模型，采用ROC方法对L2正则化Logistic回归模型进行评价。

Description

一种微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法

技术领域

本发明涉及影像医学与核医学、影像组学技术领域，具体而言，尤其涉及一种微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法。

背景技术

肠癌是全球第三大常见的恶性肿瘤，其微卫星不稳定(microsatelliteinstability,MSI)状态与预后和治疗密切相关。2017年NCCN指南指出，MSI结直肠癌患者往往预后更好，更易获益于免疫治疗，并对氟尿嘧啶药物不敏感。目前对MSI的判断依赖于术后病理组织检测，但考虑到医疗设备的限制以及手术对患者造成的创伤，术前寻找无创方法获取MSI状态是十分必要的。已经有学者尝试基于影像特征评估子宫内膜癌、肠癌及胃癌MSI状态，但这些研究的诊断价值尚不明确，且更多定量的影像特征尚未被充分挖掘。

能谱CT作为临床常用的影像检查手段，能够通过碘水浓度图反映组织的血供状态。本团队前期研究发现，与微卫星稳定(microsatellite stability,MSS)结直肠癌组织相比，MSI结直肠癌的血供更少，平均碘浓度更低，但该研究忽略了碘浓度分布的空间异质性。影像组学分析是基于像素强度和空间分布特点，定量描述了组织异质性，一定程度上可作为肿瘤分子状态的潜在影像学标记物。

肠癌的MSI状态与其疗效及预后密切相关，目前，MSI已经成为肠癌组织标本的常规检测手段。但MSI的检测依赖于侵入性手术或活组织检查所获取的组织样本，而肿瘤异质性限制了该样本的有效性，因为小组织样本不可能代表整个肿瘤。此外，虽然MSI的检测已经被纳入临床实践中，但受到其成本、检测周期和技术复杂性的限制，大规模肿瘤分子检测难以在临床得到推广。影像检查能够直观地涵盖整个肿块的信息，避免了因肿瘤异质性造成的差异。它还可以观察肿瘤外周区域，而这些区域通常不能通过外科手术切除，很难获取其病理信息。

发明内容

根据上述提出的技术问题，而提供一种微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法。本发明将高通量的影像组学特征与MSI信息相关联，为MSI肠癌提供一种基于放射影像组学特征的非侵袭性的可视化方法。

本发明采用的技术手段如下：

一种微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，包括如下步骤：

S1、收集肠癌样本图像，所述样本图像为MSI肠癌能谱CT碘水图像和MSS肠癌能谱CT碘水图像；

S2、对所述肠癌样本图像进行感兴趣区域勾画，提取感兴趣区域的图像特征；

S3、对所述步骤S2中提取的图像特征进行哑变量处理，生成一个取值为0或1的哑变量特征；

S4、引用卡方检验，对经过哑变量处理后的图像特征采用假设检验法过滤出具有统计学意义的组学特征；

S5、采用相关性分析方法对所述组学特征之间的冗余性进行过滤，引用Kendall相关性分析，计算相关性系数cor_xy，得到过滤后的组学特征；

S6、基于模型层面，引入LASSO算法，对所述步骤S5中过滤后的组学特征进行降维处理；通过5折交叉验证技术，构建L1正则化Logistic回归模型，得到L1正则化Logistic回归模型的损失函数，当所述损失函数最小时，由于是L1正则化，则部分过滤后的组学特征的权重将降至0值，将其剔除得出特征降维结果；

S7、基于机器学习方法的最优化理论，引入5折交叉验证技术，通过L2正则化模型构建思想，最优化得到L2正则化Logistic回归模型，并采用ROC方法对L2正则化Logistic回归模型进行评价。

进一步地，所述步骤S3中的哑变量处理过程具体为：

S31、假设所述肠癌样本图像的数量为n，所述MSI肠癌能谱CT碘水图像的数量为n₁，MSS肠癌能谱CT碘水图像的数量为n₂，提取的图像特征为p；

S32、对p中的n个取值p₁,...,p_n进行由小至大排序，得到q₁,...,q_n；

S33、设置普通阈值cutoff_i，且令cutoff_i＝q_i；对q_i进行离散化，令大于cutoff_i的取值为1；反之，小于cutoff_i的取值为0，得到新特征p’；

S34、将所述肠癌样本图像的类别与新特征相匹配，得到混淆矩阵T_i；其中，MSI肠癌能谱CT碘水图像的类别为1类，MSS肠癌能谱CT碘水图像的类别为0类；

S35、根据混淆矩阵T_i，计算出与其对应的敏感度sensitivity_i、特异度specificity_i以及和值senspe_i，且令：和值＝敏感度+特异度；

S36、计算所有和值中的最大值，即senspe_k＝maxsenspe_i，得出对应的k值、混合矩阵T_k、cutoff_k、sensitivity_k、specificity_k以及取值为0或1的哑变量特征q_k。

进一步地，所述步骤S4的具体过程如下：

S41、设置Q为离散化后的新特性，分别对步骤S3中经过哑变量处理后的图像特征，寻找出与所述步骤S36中对应的混合矩阵T_k，通过四个表卡方检验得出卡方值x²；

S42、将所述卡方值x²与卡方界值表匹配，得到卡方检验p值；

S43、将p值大于0.05的图像特征剔除，保留p值小于0.05的图像特征，即为所述具有统计学意义的组学特征。

进一步地，所述步骤S5中还包括当|cor_xy|≥0.9时，剔除卡方检验p值较大特征的步骤；所述计算相关性系数cor_xy的公式如下：

其中，number of concordant pairs表示在混淆矩阵T_k中主对角线的和；numberof disconcordant pairs表示在混淆矩阵T_k中副对角线的和。

进一步地，所述L1正则化Logistic回归模型的损失函数具体为：

其中，n为肠癌样本图像的个数，β为具有统计学意义的组学特征的权重，||β||₁为其L₁范数，即||β||₁＝|β₁|+|β₂|+...+|β_p|,lnl为对数似然函数，|β₁|为第i个肠癌样本图像的特征组，y⁽ⁱ⁾为第i个肠癌样本图像的肠癌类别，λ为联系惩罚项与损失数的权重参数，λ的不同取值将产生不同的损失值。

进一步地，所述采用ROC方法对L2正则化Logistic回归模型进行评价的具体过程如下：

S71、假设所述肠癌样本图像的数量为n，所述MSI肠癌能谱CT碘水图像的数量为n₁，MSS肠癌能谱CT碘水图像的数量为n₂，降维处理后的组学特征数量为m；

S72、根据m个降维处理后的组学特征，构建L2正则化Logistic回归模型并对其进行内部验证，得到每个肠癌样本图像中属于MSI肠癌能谱CT碘水图像的概率P；

S73、对P中的n个取值p₁’,...,p_n’进行由小至大排序，得到q₁’,...,q_n’；

S74、设置普通阈值cutoff_i’，且令cutoff_i'＝q'_i；令大于cutoff_i’的取值为1；小于cutoff_i’的取值为0，得到新特征p”；

S75、将所述肠癌样本图像的类别与新特征p”相匹配，得到混淆矩阵T_i’；其中，MSI肠癌能谱CT碘水图像的类别为1类，MSS肠癌能谱CT碘水图像的类别为0类；

S76、根据混淆矩阵T_i’，计算出与其对应的敏感度特异度以及和值senspe_i’，且令：和值＝敏感度+特异度，同时得到n个敏感度与特异度的组合点(sensitivity_i’,specificity_i’)；

S77、根据所述的n个敏感度与特异度的组合点，以1-specificity_i’为横坐标，sensitivity_i’为纵坐标，勾画散点图；

S78、将n个敏感度与特异度的组合点与端点(0,0)、(1,1)依次连接，得到ROC曲线，进而得出ROC曲线下面积AUC值；

S79、计算所有和值中的最大值，即senspe_k'＝maxsenspe_i'，得出对应的k值、混合矩阵T_k'、cutoff_k'、sensitivity_k'、specificity_k'以及取值为0或1的哑变量特征q_k'。

较现有技术相比，本发明具有以下优点：

1、本发明提供的微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，将高通量的影像组学特征与MSI信息相关联，为MSI肠癌提供一种基于放射影像组学特征的非侵袭性的可视化方法。

2、本发明提供的微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，对影像组学特征进行哑变量处理后模型的效果较优，具有较高的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法流程图。

图2为本发明实施例提供的ROC曲线图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例

如图1所示，本发明提供了一种微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，

包括如下步骤：

S1、收集肠癌样本图像，所述样本图像为MSI肠癌能谱CT碘水图像和MSS肠癌能谱CT碘水图像；

S2、对所述肠癌样本图像进行感兴趣区域勾画，提取感兴趣区域的图像特征；

S3、对所述步骤S2中提取的图像特征进行哑变量处理，生成一个取值为0或1的哑变量特征；

步骤S3中的哑变量处理过程具体为：

S31、假设所述肠癌样本图像的数量为n，所述MSI肠癌能谱CT碘水图像的数量为n₁，MSS肠癌能谱CT碘水图像的数量为n₂，提取的图像特征为p；

S32、对p中的n个取值p₁,...,p_n进行由小至大排序，得到q₁,...,q_n；

S33、设置普通阈值cutoff_i，且令cutoff_i＝q_i；对q_i进行离散化，令大于cutoff_i的取值为1；反之，小于cutoff_i的取值为0，得到新特征p’；

S34、将所述肠癌样本图像的类别与新特征相匹配，得到混淆矩阵T_i；其中，MSI肠癌能谱CT碘水图像的类别为1类，MSS肠癌能谱CT碘水图像的类别为0类；

S35、根据混淆矩阵T_i，计算出与其对应的敏感度sensitivity_i、特异度specificity_i以及和值senspe_i，且令：和值＝敏感度+特异度；

S36、计算所有和值中的最大值，即senspe_k＝maxsenspe_i，得出对应的k值、混合矩阵T_k、cutoff_k、sensitivity_k、specificity_k以及取值为0或1的哑变量特征q_k。

S4、引用卡方检验，对经过哑变量处理后的图像特征采用假设检验法过滤出具有统计学意义的组学特征；

步骤S4的具体过程如下：

S41、设置Q为离散化后的新特性，分别对步骤S3中经过哑变量处理后的图像特征，寻找出与所述步骤S36中对应的混合矩阵T_k，通过四个表卡方检验得出卡方值x²；

S42、将所述卡方值x²与卡方界值表匹配，得到卡方检验p值；

S43、将p值大于0.05的图像特征剔除，保留p值小于0.05的图像特征，即为所述具有统计学意义的组学特征。

S5、采用相关性分析方法对所述组学特征之间的冗余性进行过滤，引用Kendall相关性分析，计算相关性系数cor_xy，得到过滤后的组学特征；具体的，当|cor_xy|≥0.9时，剔除卡方检验p值较大特征，相关性系数cor_xy的计算公式如下：

其中，number of concordant pairs表示在混淆矩阵T_k中主对角线的和；numberof disconcordant pairs表示在混淆矩阵T_k中副对角线的和。

S6、基于模型层面，引入LASSO算法，对所述步骤S5中过滤后的组学特征进行降维处理；通过5折交叉验证技术，构建L1正则化Logistic回归模型，得到L1正则化Logistic回归模型的损失函数，当所述损失函数最小时，由于是L1正则化，则部分过滤后的组学特征的权重将降至0值，将其剔除得出特征降维结果；具体的，Logistic回归模型的损失函数为：

其中，n为肠癌样本图像的个数，β为具有统计学意义的组学特征的权重，||β||₁为其L₁范数，即||β||₁＝|β₁|+|β₂|+...+|β_p|,lnl为对数似然函数，|β₁|为第i个肠癌样本图像的特征组，y⁽ⁱ⁾为第i个肠癌样本图像的肠癌类别，λ为联系惩罚项与损失数的权重参数，λ的不同取值将产生不同的损失值。

S7、基于机器学习方法的最优化理论，引入5折交叉验证技术，通过L1、L2正则化模型构建思想，最优化得到L2正则化Logistic回归模型，并采用ROC方法对L2正则化Logistic回归模型进行评价。

所述采用ROC方法对L2正则化Logistic回归模型进行评价的具体过程如下：

S71、假设所述肠癌样本图像的数量为n，所述MSI肠癌能谱CT碘水图像的数量为n₁，MSS肠癌能谱CT碘水图像的数量为n₂，降维处理后的组学特征数量为m；

S72、根据m个降维处理后的组学特征，构建L2正则化Logistic回归模型并对其进行内部验证，得到每个肠癌样本图像中属于MSI肠癌能谱CT碘水图像的概率P；

S73、对P中的n个取值p₁’,...,p_n’进行由小至大排序，得到q₁’,...,q_n’；

S74、设置普通阈值cutoff_i’，且令cutoff_i'＝q'_i；令大于cutoff_i’的取值为1；小于cutoff_i’的取值为0，得到新特征p”；

S75、将所述肠癌样本图像的类别与新特征p”相匹配，得到混淆矩阵T_i’；其中，MSI肠癌能谱CT碘水图像的类别为1类，MSS肠癌能谱CT碘水图像的类别为0类；

S76、根据混淆矩阵T_i’，计算出与其对应的敏感度特异度以及和值senspe_i’，且令：和值＝敏感度+特异度，同时得到n个敏感度与特异度的组合点(sensitivity_i’,specificity_i’)；

S77、根据所述的n个敏感度与特异度的组合点，以1-specificity_i’为横坐标，sensitivity_i’为纵坐标，勾画散点图；

S78、将n个敏感度与特异度的组合点与端点(0,0)、(1,1)依次连接，得到ROC曲线，如图2所示，为本实施例提供的ROC曲线图，进而得出ROC曲线下面积AUC值；与表1ROC曲线下AUC值及其诊断效果做对比。

S79、计算所有和值中的最大值，即senspe_k'＝maxsenspe_i'，得出对应的k值、混合矩阵T_k'、cutoff_k'、sensitivity_k'、specificity_k'以及取值为0或1的哑变量特征q_k'。

本实施例中，分别对训练数据集、验证集、HD750数据集进行模型构建、内部验证、外部测试。采用ROC方法对上述模型进行评价，得出AUC值，随后采用DeLong’s test对ROC进行显著性检验以评价AUC统计学意义。

表1 ROC曲线下AUC值及其诊断效果

研究的结论为对影像组学特征进行哑变量化后模型的效果较优，具有较高的准确性。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。

Claims (6)

1.一种微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，其特征在于，包括如下步骤：

S1、收集肠癌样本图像，所述样本图像为MSI肠癌能谱CT碘水图像和MSS肠癌能谱CT碘水图像；

S2、对所述肠癌样本图像进行感兴趣区域勾画，提取感兴趣区域的图像特征；

S3、对所述步骤S2中提取的图像特征进行哑变量处理，生成一个取值为0或1的哑变量特征；

S4、引用卡方检验，对经过哑变量处理后的图像特征采用假设检验法过滤出具有统计学意义的组学特征；

S5、采用相关性分析方法对所述组学特征之间的冗余性进行过滤，引用Kendall相关性分析，计算相关性系数cor_xy，得到过滤后的组学特征；

S6、基于模型层面，引入LASSO算法，对所述步骤S5中过滤后的组学特征进行降维处理；通过5折交叉验证技术，构建L1正则化Logistic回归模型，得到L1正则化Logistic回归模型的损失函数，当所述损失函数最小时，由于是L1正则化，则部分过滤后的组学特征的权重将降至0值，将其剔除得出特征降维结果；

S7、基于机器学习方法的最优化理论，引入5折交叉验证技术，通过L2正则化模型构建思想，最优化得到L2正则化Logistic回归模型，并采用ROC方法对L2正则化Logistic回归模型进行评价。

2.根据权利要求1所述的微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，其特征在于，所述步骤S3中的哑变量处理过程具体为：

S31、假设所述肠癌样本图像的数量为n，所述MSI肠癌能谱CT碘水图像的数量为n₁，MSS肠癌能谱CT碘水图像的数量为n₂，提取的图像特征为p；

S32、对p中的n个取值p₁,...,p_n进行由小至大排序，得到q₁,...,q_n；

S33、设置普通阈值cutoff_i，且令cutoff_i＝q_i；对q_i进行离散化，令大于cutoff_i的取值为1；反之，小于cutoff_i的取值为0，得到新特征p’；

S34、将所述肠癌样本图像的类别与新特征相匹配，得到混淆矩阵T_i；其中，MSI肠癌能谱CT碘水图像的类别为1类，MSS肠癌能谱CT碘水图像的类别为0类；

S35、根据混淆矩阵T_i，计算出与其对应的敏感度sensitivity_i、特异度specificity_i以及和值senspe_i，且令：和值＝敏感度+特异度；

S36、计算所有和值中的最大值，即senspe_k＝maxsenspe_i，得出对应的k值、混合矩阵T_k、cutoff_k、sensitivity_k、specificity_k以及取值为0或1的哑变量特征q_k。

3.根据权利要求2所述的微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，其特征在于，所述步骤S4的具体过程如下：

S41、设置Q为离散化后的新特性，分别对步骤S3中经过哑变量处理后的图像特征，寻找出与所述步骤S36中对应的混合矩阵T_k，通过四个表卡方检验得出卡方值x²；

S42、将所述卡方值x²与卡方界值表匹配，得到卡方检验p值；

S43、将p值大于0.05的图像特征剔除，保留p值小于0.05的图像特征，即为所述具有统计学意义的组学特征。

4.根据权利要求3所述的微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，其特征在于，所述步骤S5中还包括当|cor_xy|≥0.9时，剔除卡方检验p值较大特征的步骤；所述计算相关性系数cor_xy的公式如下：

其中，number of concordant pairs表示在混淆矩阵T_k中主对角线的和；number ofdisconcordant pairs表示在混淆矩阵T_k中副对角线的和。

5.根据权利要求1所述的微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，其特征在于，所述L1正则化Logistic回归模型的损失函数具体为：

其中，n为肠癌样本图像的个数，β为具有统计学意义的组学特征的权重，PβP₁为其L₁范数，即PβP₁＝|β₁|+|β₂|+...+|β_p|,lnl为对数似然函数，x⁽ⁱ⁾为第i个肠癌样本图像的特征组，y⁽ⁱ⁾为第i个肠癌样本图像的肠癌类别，λ为联系惩罚项与损失数的权重参数，λ的不同取值将产生不同的损失值。

6.根据权利要求1所述的微卫星不稳定肠癌能谱CT碘水图影像组学特征处理方法，其特征在于，所述采用ROC方法对L2正则化Logistic回归模型进行评价的具体过程如下：

S71、假设所述肠癌样本图像的数量为n，所述MSI肠癌能谱CT碘水图像的数量为n₁，MSS肠癌能谱CT碘水图像的数量为n₂，降维处理后的组学特征数量为m；

S72、根据m个降维处理后的组学特征，构建L2正则化Logistic回归模型并对其进行内部验证，得到每个肠癌样本图像中属于MSI肠癌能谱CT碘水图像的概率P；

S73、对P中的n个取值p₁’,...,p_n’进行由小至大排序，得到q₁’,...,q_n’；

S74、设置普通阈值cutoff_i’，且令cutoff_i'＝q'_i；令大于cutoff_i’的取值为1；小于cutoff_i’的取值为0，得到新特征p”；

S75、将所述肠癌样本图像的类别与新特征p”相匹配，得到混淆矩阵T_i’；其中，MSI肠癌能谱CT碘水图像的类别为1类，MSS肠癌能谱CT碘水图像的类别为0类；

S76、根据混淆矩阵T_i’，计算出与其对应的敏感度sensitivity_i'、特异度specificity_i’以及和值senspe_i’，且令：和值＝敏感度+特异度，同时得到n个敏感度与特异度的组合点(sensitivity_i’,specificity_i’)；

S77、根据所述的n个敏感度与特异度的组合点，以1-specificity_i’为横坐标，sensitivity_i’为纵坐标，勾画散点图；

S78、将n个敏感度与特异度的组合点与端点(0,0)、(1,1)依次连接，得到ROC曲线，进而得出ROC曲线下面积AUC值；

S79、计算所有和值中的最大值，即senspe_k'＝maxsenspe_i'，得出对应的k值、混合矩阵T_k'、cutoff_k'、sensitivity_k'、specificity_k'以及取值为0或1的哑变量特征q_k'。