(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 202211184922.3 (22)申请日 2022.09.27 (71)申请人 河南省肿瘤医院 地址 450000 河南省郑州市金 水区东明路 127号 (72)发明人 李兵　郑晓丽　张将　林世傑　 腾信智　孟令广　蔡璟　葛红　 (74)专利代理 机构 苏州三英知识产权代理有限 公司 32412 专利代理师 仲崇明 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/771(2022.01) G06T 7/00(2017.01) (54)发明名称 急性放射性肺炎预警模型的训练方法及应 用 (57)摘要 本发明公开了一种急性放射性肺炎预警模 型的训练方法及应用， 所述方法包括： 基于计划 CT影像、 放疗计划剂量文件以及放疗轮廓文件获 取剂量分布和肺部CT图像； 基于所述剂量 分布将 所述肺部CT 图像的全肺区域分割为多个肺子区 域； 从多个所述肺子区域中分别提取影像组学和 剂量组学， 以筛选出最优特征集； 基于所述最优 特征集训练急性放射性肺炎预警模 型。 该方法通 过分割出不同剂量区域与肺部CT区域重叠的多 个肺部子区域， 根据多个肺部子区域提取相应的 影像组学和剂量学特征， 并使用机器学习方法筛 选出较高预测能力的影像和剂量因子， 充分考虑 了剂量分布差异， 并结合多组学特征和机器学习 方法， 从而获得更加精准的急性放射性肺炎预警 模型。 权利要求书2页 说明书9页 附图6页 CN 115546580 A 2022.12.30 CN 115546580 A 1.一种急性 放射性肺炎预警模型的训练方法， 其特 征在于， 所述方法包括： 基于计划CT影 像、 放疗计划剂量文件以及放疗轮廓文件获取剂量分布和肺部 CT图像； 基于所述剂量分布将所述肺部 CT图像的全肺区域分割为多个肺子区域； 从多个所述肺子区域中分别提取影 像组学和剂量组学， 以筛 选出最优特 征集； 基于所述 最优特征集训练急性 放射性肺炎预警模型。 2.如权利要求1所述的急性放射性肺炎预警模型的训练方法， 其特征在于， 基于所述剂 量分布将所述肺部 CT图像的全肺区域分割为多个肺子区域， 具体包括： 基于所述剂量分布设置多个剂量范围； 将所述肺部CT图像的全肺区域与多个所述剂量范围相重叠的区域分割为多个肺子区 域。 3.如权利要求1所述的急性放射性肺炎预警模型的训练方法， 其特征在于， 从多个所述 肺子区域中分别提取影 像组学和剂量组学， 以筛 选出最优特 征集， 具体包括： 从多个所述肺子区域分别提取影 像组学特征和剂量组学 特征； 将多个所述肺子区域的影像组学特征组合为总影像组学特征， 将多个所述肺子区域的 剂量组学 特征组合为总剂量组学 特征； 将所述总影 像组学特征和总剂量组学 特征合并为总双组学 特征； 基于所述总双组学 特征筛选最优特 征集。 4.如权利要求3所述的急性放射性肺炎预警模型的训练方法， 其特征在于， 基于所述总 双组学特征筛选最优特 征集， 具体包括： 利用方差分析对所述总双组学 特征中的影 像组学特征和剂量组学 特征进行过滤； 对过滤后的所述影像组学特征和剂量组学特征进行F检验， 筛选出P值小于第 一预设阈 值的影像组学特征和剂量组学 特征， 以得到中间最优特 征集； 基于所述中间最优特 征集进行 特征筛选， 以得到最优特 征集。 5.如权利要求4所述的急性放射性肺炎预警模型的训练方法， 其特征在于， 基于所述中 间最优特 征集进行 特征筛选， 以得到最优特 征集， 具体包括： 根据所述中间最优特征集中的影像组学特征和剂量组学特征出现的频率对其进行过 滤； 利用皮尔森相关性分析对过滤后的所述影像组学特征和剂量组学特征进行相关性计 算， 筛选出相关系 数小于或等于第二预设阈值的影像组学特征和剂量组学特征， 以得到最 优特征集。 6.如权利要求1所述的急性放射性肺炎预警模型的训练方法， 其特征在于， 所述方法还 包括： 根据所述最优特征集和回归分类器训练所述急性放射性肺炎预警模型， 并通过交叉验 证和参数寻优确定最优的超参数； 根据所述 最优的超参数确定最优的所述急性 放射性肺炎预警模型。 7.如权利要求1所述的急性放射性肺炎预警模型的训练方法， 其特征在于， 所述方法还 包括： 将所述计划CT影像、 放疗计划剂量文件以及放疗轮廓文件转换成mha格式， 并对所述计 划CT影像以及放疗计划剂量文件中的三维剂量进行重采样。权　利　要　求　书 1/2 页 2 CN 115546580 A 28.一种急性 放射性肺炎预警模型的训练系统， 其特 征在于， 所述系统包括： 获取模块， 用于基于计划CT影像、 放疗计划剂量文件以及放疗轮廓文件获取剂量分布 和肺部CT图像； 分割模块， 用于基于所述剂量分布将所述肺部CT图像的全肺区域分割为多个肺子区 域； 特征提取模块， 用于从多个所述肺子区域中分别提取影像组学和剂量组学， 以筛选出 最优特征集； 训练模块， 用于基于所述 最优特征集训练急性 放射性肺炎预警模型。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 至少一个处 理器； 以及 存储器， 所述存储器存储指令， 当所述指令被所述至少一个处理器执行时， 使得所述至 少一个处 理器执行如权利要求1至7中任一项所述的急性 放射性肺炎预警模型的训练方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求 1至7任一项 所述的急性放射性肺炎 预警模型的训练方法。权　利　要　求　书 2/2 页 3 CN 115546580 A 3