(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111397102.8 (22)申请日 2021.11.23 (71)申请人 复旦大学附属华 山医院 地址 200040 上海市 静安区乌鲁 木齐中路 12号 (72)发明人 杨丽琴　罗啸　李郁欣　 (74)专利代理 机构 上海汉声知识产权代理有限 公司 3123 6 代理人 胡晶 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/30(2017.01) G06N 20/00(2019.01) (54)发明名称 结合影像组学和空间分布特征的医学图像 分析方法及系统 (57)摘要 本发明提供了一种结合影像组学和空间分 布特征的医学图像分析方法及系统， 包括： 步骤 S1： 获取医学图像数据并进行预处理， 得到预处 理后的医学图像数据； 步骤S2： 对预处理后的医 学图像数据进行目标区域提取， 得到目标区域图 像； 步骤S3： 对目标区域图像进行第一图像处理， 得到目标区域图的影像组学标签； 步骤S4： 对目 标区域图像进行第二图像处理， 得到目标区域图 的空间分布标签； 步骤S5： 利用目标区域的影像 组学标签和空间分布标签对机器学习预测模型 进行训练， 得到训练后的机器学习预测模型； 步 骤S6： 利用训练后的机器学习预测模型得到目标 区域的疾病分类信息 。 权利要求书2页 说明书6页 附图1页 CN 114187239 A 2022.03.15 CN 114187239 A 1.一种结合影 像组学和空间分布特 征的医学图像分析 方法， 其特 征在于， 包括： 步骤S1： 获取医学图像数据并进行 预处理， 得到预处 理后的医学图像数据； 步骤S2： 对预处 理后的医学图像数据进行目标区域 提取， 得到目标区域图像； 步骤S3： 对目标区域图像进行第一图像处 理， 得到目标区域图的影 像组学标签； 步骤S4： 对目标区域图像进行第二图像处 理， 得到目标区域图的空间分布标签； 步骤S5： 利用目标区域的影像组学标签和空间分布标签对机器学习预测模型进行训 练， 得到训练后的机器学习预测模型； 步骤S6： 利用训练后的机器学习预测模型 得到目标区域的疾病分类信息 。 2.根据权利要求1所述的结合影像组学和空间分布特征的医学图像分析方法， 其特征 在于， 所述步骤S1采用： 对医学图像数据进行包括数据 清洗、 脱敏、 无效数据剔除的预 处理， 得到预处 理后的医学图像数据。 3.根据权利要求1所述的结合影像组学和空间分布特征的医学图像分析方法， 其特征 在于， 所述步骤S 3采用： 对目标区域图像进 行单连通区域图像提取， 对提取的单连通区域图 像进行影 像组学特征提取。 4.根据权利要求1所述的结合影像组学和空间分布特征的医学图像分析方法， 其特征 在于， 所述步骤S4采用： 将目标区域图像配准到预设空间模板， 得到配准后目标区域图像； 从配准后的目标区域图像中提取空间分布标签。 5.根据权利要求1所述的结合影像组学和空间分布特征的医学图像分析方法， 其特征 在于， 所述 步骤S5采用： 步骤S5.1： 分别选定基于影像组学、 空间分布和组合标签的机器学习模型算法 Aradiomics,Aspatial,Acombine； 步骤S5.2： 利用单连通区域图像的影像组学标签对基于影像组学机器学习模型算法 Aradimocs进行训练， 得到单 连通区域影 像组学评分； 步骤S5.3： 利用单 连通区域影 像组学评分， 计算目标区域图像的影 像组学评分； 步骤S5.4： 利用目标区域图像对基于空间分布 机器学习模型算 法Aspatial进行训练， 得到 空间分布评分； 步骤S5.5： 利用目标区域图像的影像组学评分和空间分布评分， 对基于组合标签的机 器学习模型算法Acombine进行训练， 得到组合标签评分； 步骤S5.6： 利用组合标签评分经过受试者特征曲线分析， 设定阈值ST， 得到目标区域图 像的疾病分类信息 。 6.一种结合影 像组学和空间分布特 征的医学图像分析系统， 其特 征在于， 包括： 模块M1： 获取医学图像数据并进行 预处理， 得到预处 理后的医学图像数据； 模块M2： 对预处 理后的医学图像数据进行目标区域 提取， 得到目标区域图像； 模块M3： 对目标区域图像进行第一图像处 理， 得到目标区域图的影 像组学标签； 模块M4： 对目标区域图像进行第二图像处 理， 得到目标区域图的空间分布标签； 模块M5： 利用目标区域的影像组学标签和空间分布标签对机器学习预测模型进行训 练， 得到训练后的机器学习预测模型； 模块M6： 利用训练后的机器学习预测模型 得到目标区域的疾病分类信息 。 7.根据权利要求6所述的结合影像组学和空间分布特征的医学图像分析系统， 其特征权　利　要　求　书 1/2 页 2 CN 114187239 A 2在于， 所述模块M1采用： 对医学图像数据进行包括数据 清洗、 脱敏、 无效数据剔除的预 处理， 得到预处 理后的医学图像数据。 8.根据权利要求6所述的结合影像组学和空间分布特征的医学图像分析系统， 其特征 在于， 所述模块M3采用： 对目标区域图像进 行单连通区域图像提取， 对提取的单连通区域图 像进行影 像组学特征提取。 9.根据权利要求6所述的结合影像组学和空间分布特征的医学图像分析系统， 其特征 在于， 所述模块M4采用： 将目标区域图像配准到预设空间模板， 得到配准后目标区域图像； 从配准后的目标区域图像中提取空间分布标签。 10.根据权利要求6所述的结合影像组学和空间分布特征的医学图像分析系统， 其特征 在于， 所述模块M 5采用： 模块M5.1： 分别选定基于影像组学、 空间分布和组合标签的机器学习模型算法 Aradiomics,Aspatial,Acombine； 模块M5.2： 利用单连通区域图像的影像组学标签对基于影像组学机器学习模型算法 Aradimocs进行训练， 得到单 连通区域影 像组学评分； 模块M5.3： 利用单 连通区域影 像组学评分， 计算目标区域图像的影 像组学评分； 模块M5.4： 利用目标区域图像对基于空间分布 机器学习模型算 法Aspatial进行训练， 得到 空间分布评分； 模块M5.5： 利用目标区域图像的影像组学评分和空间分布评分， 对基于组合标签的机 器学习模型算法Acombine进行训练， 得到组合标签评分； 模块M5.6： 利用组合标签评分经过受试者特征曲线分析， 设定阈值ST， 得到目标区域图 像的疾病分类信息 。权　利　要　求　书 2/2 页 3 CN 114187239 A 3