一种剂量学与深度学习特征预测放射性肺炎的方法及系统

专利主权项内容

1.一种放疗患者放射性肺炎的预测方法，其特征在于，所述方法包括：步骤1：收集患者的临床数据、剂量学数据、放疗前定位CT图像和放疗后半年内CT随访，按照RTOG急性RP分级标准确定RP分级，RP分级≥2级确定为症状性RP，构建训练集和验证集；步骤2：对所述放疗前定位CT图像进行正常肺组织勾画，分为Lung-PTV和PTV-GTV两种感兴趣区域ROI；步骤3：利用深度学习网络对所述两种感兴趣区域ROI分别进行特征提取，并进行特征筛选，具体包括：从所述深度学习网络中分别提取512个深度学习特征，所有特征值使用Z-score归一，均值为0，方差为1，在所述训练集中，首先采用Spearman相关分析，当两个特征的相关系数大于0.9时保留其中一个特征，然后，使用LASSO方法进行特征筛选；步骤4：基于所述步骤3筛选出的特征，利用进行五折交叉验证的MLP方法建模，得到两种ROI的DL特征影像组学模型，并且比较这两种ROI的模型内部验证性能，选择性能更佳的模型作为最终特征影像组学模型DLR；步骤5：利用DLR模型选择的DL特征，结合单因素分析筛选出临床数据、剂量学数据的特征，使用MLP方法进行建模，得到联合预测模型；步骤6：采集待预测患者的临床数据、剂量学数据、放疗前定位CT图像，利用所述DLR模型和所述联合预测模型对未来放疗后是否发生RP进行预测。