(19)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 202210586144.4 (22)申请日 2022.05.26 (71)申请人 福建中医药大学附属第二人民医院 （福建省第二人民医院） 地址 350000 福建省福州市 鼓楼区五四路 282号 (72)发明人 许荣　欧阳秋芳　游涛　刘琛　 林晴　刘磊磊　郭鹊晖　杨娜　 王丽玲　肖凡　曹斌　 (74)专利代理 机构 北京博识智 信专利代理事务 所(普通合伙) 16067 专利代理师 方炳生 (51)Int.Cl. G16H 50/20(2018.01) G06N 20/20(2019.01)G06V 10/25(2022.01) G06V 10/44(2022.01) G06V 10/52(2022.01) G06V 10/54(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于超声影像组学特征的乳腺癌中医 证型预测模型的构建方法及其系统 (57)摘要 本发明公开了一种基于超声影像组学特征 的乳腺癌中医证型预测模型的构建方法及其系 统， 本发明将乳腺癌划分为肝郁痰凝型、 冲任失 调型、 正虚毒炽型三个证型， 根据采集患者的基 本信息、 乳腺病灶灰阶超声图像， 及其对灰阶超 声图像进行分析， 获取影像组特征， 然后采用 GBoost算法构建乳腺癌中医证型预测模型， 对模 型输入患者的基本信息及其影像组特征， 即可对 患者的乳腺癌证型进行预测， 并且 可给出对应的 中药方剂建议， 为中医药在乳 腺癌治疗的应用提 供了理论辅助诊断依据， 可操作性、 重复性强。 权利要求书2页 说明书5页 附图2页 CN 115019955 A 2022.09.06 CN 115019955 A 1.一种基于超声影像组学特征的乳腺癌中医证型预测模型的构建方法， 其特征在于， 所述乳腺癌中 医证型划分为 肝郁痰凝型、 冲任失调型、 正虚毒炽型； 其构建包括如下步骤： S1： 获取乳腺癌 患者的基本信息， 并进行编码数字化； S2： 获取对乳腺癌 患者的乳腺病灶进行超声检查的灰阶超声图像； S3： 对灰阶超声图像进行分析， 获取影 像组特征； S4： 采用XGBoost算法以影像组特征、 数字化的患者基本信息为变量， 以乳腺癌证型为 标签构建XGBo ost乳腺癌中 医证型预测模型； S5： 另获取乳腺癌患者的基本信息、 影像组特征输入XGBoost乳腺癌中医证型模型中进 行训练和 测试， 获得乳腺癌中 医证型预测模型。 2.根据权利要求1所述的一种基于超声影像组学特征的乳腺癌中医证型预测模型的构 建方法， 其特征在于， 将样 本测试数据输入所述乳腺癌中医证型预测模型后， 所述模型可通 过predict_pr oba接口输出每个样 本每个类别下的概率， 即可分别预测三个证型的概率值， 概率值最高对应的证型即是 预测的证型。 3.根据权利要求1所述的一种基于超声影像组学特征的乳腺癌中医证型预测模型的构 建方法， 其特征在于， 步骤S1中的乳腺癌患者的基本信息包括性别、 年龄、 职业、 生活环境、 有无家族史、 饮食习惯、 睡眠、 症状、 体征。 4.根据权利要求1所述的一种基于超声影像组学特征的乳腺癌中医证型预测模型的构 建方法， 其特 征在于， 步骤S3中对灰阶超声图像分析包括肿块分割 、 影像特征提取与筛 选。 5.根据权利要求4所述的一种基于超声影像组学特征的乳腺癌中医证型预测模型的构 建方法， 其特征在于， 所述肿块分割是采用IT K‑SNAP软件对病灶进 行手动分割， 沿着病灶的 边界绘制病灶的感兴趣区域。 6.根据权利要求5所述的一种基于超声影像组学特征的乳腺癌中医证型预测模型的构 建方法， 其特 征在于， 所述影 像特征提取与筛 选的步骤 包括： 1)采用Pyradiomics对病灶的影像组特征进行提取； 提取的影像组特征可分为四组： 形 态特征、 密度特 征、 纹理特征、 小波特征； 2)将编码数字化的患者的基本信息与提取的影像组学特征进行预处理， 包括： 手动删 除提取出来的内容相同的字符串信息； 对多维数组将其按列拆封为一维数据， 以便后续建 模； 采用方差分析法， 对方差为零的数据进行过滤； 然后对剩余的数据进行标准化处理， 并 采用最小绝对收缩和 选择算子(LASSO)进行特征筛选， 将筛选出来的特征作为影像组学标 签进行建模。 7.根据权利要求6所述的一种基于超声影像组学特征的乳腺癌中医证型预测模型的构 建方法， 其特 征在于， LAS SO共筛选出13个与乳腺癌证型相关影 像组学特征， 分别为： original_glszm_LargeA reaHighGrayLevelEmphasis wavelet‑LH_glszm_LargeA reaLowGrayLevelEmphasis wavelet‑HL_glrlm_Shor tRunLowGrayLevelEmphasis wavelet‑HL_gldm_L owGrayLevelEmphasis square_glcm_Idmn square_glrlm_Shor tRunEmphasis权　利　要　求　书 1/2 页 2 CN 115019955 A 2logarithm_firstorder_Median logarithm_gldm_DependenceVariance logarithm_ngtdm_Busynes s gradient_ngtdm_Busynes s gradient_ngtdm_Complexity lbp‑2D_glszm_Smal lAreaEmphasis diagnostics_Mask ‑interpolated_Boundi ngBox2。 8.一种基于超声影像组学特征的乳腺癌中医证型预测系统， 其特征在于， 其包括信息 采集模块、 证型 预测模块、 输出模块； 所述信息采集模块获取乳腺癌 患者的基本信息； 所述证型预测模块包括基本信 息模块和超声影像组学模块： 所述基本信 息模块将患 者 的基本信息进 行编码数字化； 所述超声影像组学模块包括对患者灰阶超声图像进 行影像组 特征提取， 并将提取出的影像组特征和数字化的患者基本信息输入权利要求 1至7任一项 所 述的乳腺癌中 医证型预测模型； 所述输出模块包括对经过乳腺癌中医证型预测模型预测的证型结果和对应的中药方 剂建议。 9.根据权利要求8所述的一种基于超声影像组学特征的乳腺癌中医证型预测系统， 其 特征在于， 所述基本信息包括性别、 年龄、 职业、 生活环境、 有无家族史、 饮食习惯、 睡眠、 症 状、 体征。权　利　要　求　书 2/2 页 3 CN 115019955 A 3