申请/专利权人：复旦大学附属中山医院

申请日：2021-11-04

公开（公告）日：2024-06-28

公开（公告）号：CN113948211B

主分类号：G16H50/30

分类号：G16H50/30;G16H50/50;G16H50/70;G06N20/00;A61B8/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.02.08#实质审查的生效;2022.01.18#公开

摘要：本发明涉及一种胰腺切除术前无创定量评估术后并发胰瘘风险的预测模型，属于医学影像技术领域。本发明将临床实践中所获取的真实图像投入人工智能端，结合超声多模态、术前各项胰瘘有关指标；以AI算法深度挖掘图像中的影像组学特征信息，并对其综合评价、筛选、加权，综合运算、提取有用信息，结合患者术前各项特征与有关实验室检查和影像学检查结果，建立人工智能预测术后胰瘘的诊疗模型。本发明从超声弹性定量出发，解决既往无法于胰腺切除手术前客观评估胰腺质地的问题，对胰腺质地进行无创定量；同时引进人工智能机器学习方法，解决人工分析图像时无法实时处理大量信息量的问题，使预测模型的效力与精确度最大化。

主权项：1.一种胰腺切除术前无创定量评估术后并发胰瘘风险的预测模型的构建方法，其特征在于，包括以下步骤：步骤1：获取术前胰腺病灶常规超声及超声弹性图像，进行SWV测量，分别对胰腺病灶及胰腺体部实质测量3次，取其平均值并记录；获取患者胰瘘高风险因素指标，搜集并记录；术后观察胰瘘的发生，搜集并记录；步骤2：构建预测胰瘘风险的影像组学模型；步骤2.1：将患者随机分为模型训练组和模型测试组；步骤2.2：对患者胰腺病灶以及正常胰腺组织的灰阶超声图像，使用第三方标注软件进行病灶与组织的标注，分离出含有相关信息的图像区域；步骤2.3：按照IBSI中影像组学特征的定义，对灰阶超声图像的原始图像、高斯拉普拉斯滤波、小波变换和局部二值特征图像进行高通量影像组学特征提取，提取的特征包括病灶和正常组织的形态学、一阶特征、二阶纹理特征和高阶衍生图像特征；步骤2.4：在模型训练组中以随访结果是否发生胰瘘为金标准，通过方差分析、单因素逻辑回归、最大相关最小冗余、主成分分析或套索算法，对影像组学特征进行筛选,挑选出和胰瘘显著相关的影像组学特征；步骤2.5：通过机器学习分类器，对筛选出的影像组学特征与随访结果金标准进行学习，建立基于影像组学特征的预测模型；计算每位患者对应的胰瘘风险概率和风险评分；同时对超声组织弹性定量值、术常规二维超声图像特征和实验室检查结果进行独立的单因素-多因素分析，以统计检验P值小于0.05为标准筛选出与胰瘘具有显著相关性的特征；使用多变量逻辑回归的形式，结合单因素分析中显著的超声弹性值、影像学特征和影像组学模型计算出的风险评分，构建最终胰瘘风险预测模型；步骤3：验证并优化胰瘘预测模型。

全文数据：

权利要求：

百度查询： 复旦大学附属中山医院 胰腺切除术前无创定量评估术后并发胰瘘风险的预测模型

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD