(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 202210102974.5 (22)申请日 2022.01.27 (71)申请人 大连医科 大学附属第一医院 地址 116000 辽宁省大连市西岗区中山路 222号 (72)发明人 刘爱连　赵莹　张钦和　王楠　 林涛　宋清伟　吴艇帆　郭妍　 (74)专利代理 机构 北京知呱 呱知识产权代理有 限公司 1 1577 专利代理师 胡乐 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/766(2022.01)G06K 9/62(2022.01) (54)发明名称 一种基于增强MRI图像的特征处理系统及方 法 (57)摘要 本申请公开了一种基于增强MRI图像的特征 处理系统及方法， 本方法中勾画模块勾画各个增 强MRI图像的感兴趣区域得到感兴趣区域集； 提 取模块通过pyra diomics工具包对感兴趣区域集 进行特征提取， 得到感兴趣区域所对应的若干类 影像组学特征集合； 整合模块对于每一类影像组 学特征集合， 通过L1正则化Logi stic回归 算法进 行整合得到该类影像组学特征集合的代表性特 征； 将获得的若干类代表性特征进行集成， 分析 模块通过L2正则化Logi stic回归模型， 得到每一 类代表性特征的权重， 根据各个代表 性特征的权 重得到HCC患者的增强MRI图像分析结果。 可以看 出， 本发明能够将高通量的影像组学特征与TACE 疗效信息相关联， 提供一种基于影像组学特征的 非侵袭性的、 精准定量的可视化系统。 权利要求书2页 说明书8页 附图3页 CN 114494206 A 2022.05.13 CN 114494206 A 1.一种基于增强MRI图像的特 征处理系统， 其特 征在于， 所述系统包括： 勾画模块， 用于获取经TACE治疗的HCC患者的增强MRI图像序列， 勾画各个增强MRI图像 的感兴趣区域得到感兴趣区域 集； 提取模块， 用于通过pyradiomics工具包对所述勾画模块得到的感兴趣区域集进行特 征提取， 得到感兴趣区域所对应的若干类 影像组学特征集合； 整合模块， 用于获取得到感兴趣区域所对应的若干类影像组学特征集合， 对于每一类 影像组学特征集合， 通过L1正则化Logist ic回归算法进行整合得到该类影像组学特征集合 的代表性特征； 分析模块， 用于将所述整合模块中获得的若干类代表性特征进行集成， 通过L2正则化 Logistic回归模 型， 得到每一类代表 性特征的权重， 根据各个代表 性特征的权重得到HCC患 者的增强MRI图像分析 结果。 2.根据权利要求1所述的系统， 其特征在于， 影像组学特征至少包括： 一阶统计特征、 形 状特征、 灰度共生矩阵特征、 灰度游程长度矩阵特征、 灰度尺寸区域矩阵特征、 领域灰度差 矩阵特征和灰度相关矩阵特 征。 3.根据权利要求1所述的系统， 其特征在于， 所述整合模块 中通过L1正则化Logistic回 归算法进行整合得到该类影像组学特征集合的代表性特征， 其中， L1正则化Logistic回归 算法的公式具体包括： 其中， n为样本图像的个数， β 为组学特征的权重， ||β ||1为其L1范数， 即||β ||1＝|β1|+| β2|+...+|βn|,lnl为对数似然函数， x(i)为第i个病例的特征组， y(i)为第i个病例的类别， λ为 联系惩罚项与损失数的权 重参数。 4.根据权利要求1所述的系统， 其特征在于， 所述分析模块中， 将所述整合模块中获得 的若干类代表性特征进行集成， 通过L2正则化Logistic回归模型， 得到每一类代表性特征 的权重， 具体包括： 将临床肿瘤恶性 概率公式做对数变换 得到影像组学评分； 根据所述影 像组学评分得到每一类代 表性特征的权重。 5.根据权利要求4所述的系统， 其特征在于， 所述根据所述影像组学评分得到每一类代 表性特征的权重， 包括： 根据公式： 确定影像组学评分与每一类代表性特征的权重的对应关系， 其中， Radiomicsscore表 示影像组学评分， 表示临床肿瘤恶性概 率公式， β·x表示代表性特征的权重β 和特 征组 x内积。权　利　要　求　书 1/2 页 2 CN 114494206 A 26.根据权利要求1所述的系统， 其特征在于， 所述分析模块中根据 各个代表性特征的权 重得到HCC患者的增强MRI图像分析 结果， 包括： 通过公式 得到HCC患者的增强MRI图像分析结果， 其中， Ct表示增强MRI图像分析结果， βt表示第t 个代表性特征的权重。 7.一种基于增强MRI图像的特 征处理方法， 其特 征在于， 所述方法包括： 获取HCC患者的增强MRI图像序列， 勾画各个增强MRI图像的感兴趣区域得到感兴趣区 域集； 通过pyradiomics工具包对所述感兴趣区域集进行特征提取， 得到感兴趣区域所对应 的若干类 影像组学特征集合； 对于每一类影像组学特征集合， 通过L1正则化Lo gistic回归算法进行整合得到该类影 像组学特征集合的代表性特征； 将获得的若干类代表性特征进行集成， 通过L2正则化Logistic回归模型， 得到每一类 代表性特征的权重， 根据各个代 表性特征的权重得到HCC患者的增强MRI图像分析 结果。 8.根据权利要求7所述的方法， 其特征在于， 通过L1正则化Lo gistic回归算法进行整合 得到该类影像组学特征集合的代表性特征， 其中， L1正则化Logistic回归算法的公式具体 包括： 其中， n为样本图像的个数， β 为组学特征的权重， ||β ||1为其L1范数， 即||β ||1＝|β1|+| β2|+…+|βn|,lnl为对数似然函数， x(i)为第i个病例的特征组， y(i)为第i个病例的类别， λ为 联系惩罚项与损失数的权 重参数。权　利　要　求　书 2/2 页 3 CN 114494206 A 3