技术摘要：
本申请公开了一种肿瘤消融疗效预测方法、装置、设备及计算机介质，获取模块用于获取肿瘤病灶实质图像；处理模块用于对肿瘤病灶实质图像进行影像组学特征提取和筛选，得到目标影像组学特征；预测模块，用于基于目标影像组学特征进行肿瘤消融疗效预测，得到肿瘤消融疗效  全部
背景技术：
以乳腺肿瘤为例，随着乳腺X线钼靶、B超筛查等的普及和妇女对乳腺疾病认知的 提高，使得乳腺肿瘤检出率越来越高，并呈现年轻化趋势。目前对乳腺肿瘤的消融术，一般 是在B超等医学影像的引导下，通过消融针发射射频、微波、激光等的方法对肿瘤实质进行 加热，从而达到“杀死”肿瘤细胞的目的。相比于传统的手术切除疗法，消融手术疗法具有创 伤小、恢复快、美观、对病人身体素质要求较低等优点，越来越多地被应用于良性乳腺肿瘤 的治疗中。在这之中，消融手术的疗效评估对手术方案的制定、治疗时机的把握、缓解术前 医患沟通障碍等具有重要的意义。 目前消融手术的疗效评估方法主要分为医生术前评估和定期术后随访两种；其 中，医生术前评估指的是医生根据病人的影像资料和临床症状，并结合自己的临床经验对 消融疗效进行评估，进而根据评估结果判定是否适合进行消融手术治疗：如果不适合进行 消融手术治疗的患者进行了消融手术治疗，则需要再次手术，甚至错过最佳治疗时机；定期 术后随访指的是消融手术后通过定期的影像学随访检查来监测肿瘤的生长，通常，消融术 后随访检查至少要持续一年，以乳腺消融为例，随访检查的时间点一般设置在手术后、术后 第3、6、12月，并以肿瘤体积缩小率来评价消融的有效性。 然而，目前针对消融手术疗效的评估方法中，医生术前评估虽然能够达到术前评 估的目的，但对医生的经验要求较高，无统一的评估标准，易受医生主观因素的影响；定期 术后随访虽然可以通过消融术后一段时间的随访检查监测肿瘤的生长，进而直观准确地评 价消融手术的疗效，但只能用于消融疗效的术后评估，局限性较高。 综上所述，如何降低肿瘤消融疗效预测的局限性是目前本领域技术人员亟待解决 的问题。
技术实现要素：
本申请的目的是提供一种肿瘤消融疗效预测装置，其能在一定程度上解决如何降 低肿瘤消融疗效预测的局限性的技术问题。本申请还提供了一种肿瘤消融疗效预测方法、 设备及计算机可读存储介质。 为了实现上述目的，本申请提供如下技术方案： 一种肿瘤消融疗效预测装置，包括： 获取模块，用于获取肿瘤病灶实质图像； 处理模块，用于对所述肿瘤病灶实质图像进行影像组学特征提取和筛选，得到目 标影像组学特征； 预测模块，用于基于所述目标影像组学特征进行肿瘤消融疗效预测，得到肿瘤消 4 CN 111583217 A 说　明　书 2/12 页 融疗效预测结果。 优选的，所述处理模块包括： 提取子模块，用于根据预设的特征类型从所述肿瘤病灶实质图像中提取出初步的 影像组学特征； 筛选子模块，用于对所述初步的影像组学特征进行筛选，得到所述目标影像组学 特征。 优选的，所述筛选子模块包括： 第一获取单元，用于获取表征影像组学特征有无特异性的一维矩阵； 第一处理单元，用于将所述初步的影像组学特征与所述一维矩阵进行运算，得到 所述目标影像组学特征。 优选的，还包括： 第二获取单元，用于获取超声图像样本的影像组学特征的正样本和负样本； 判断单元，用于判断所述正样本和所述负样本是否符合正态分布要求，若否，则采 用曼-惠特尼U检验方法判断所述超声图像样本的影像组学特征是否有特异性；若所述正样 本和所述负样本符合所述正态分布要求，则判断所述正样本和所述负样本是否符合方差齐 次要求，若所述正样本和所述负样本符合所述方差齐次要求，则采用双样本T校验方法判断 所述超声图像样本的影像组学特征是否有特异性；若所述正样本和所述负样本不符合所述 方差齐次要求，则采用Welch’s  T校验方法判断所述超声图像样本的影像组学特征是否有 特异性； 生成单元，用于生成与所述超声图像样本的所有影像组学特征对应的一维矩阵， 并且所述超声图像样本的影像组学特征有特异性时，将所述超声图像样本的影像组学特征 在所述一维矩阵中的值设为1；所述超声图像样本的影像组学特征无特异性时，将所述超声 图像样本的影像组学特征在所述一维矩阵中的值设为0。 优选的，所述初步的影像组学特征的类型包括：形状特征、强度特征、纹理特征、小 波特征； 所述形状特征的类型包括：紧密度、直径、面积；所述强度特征的类型包括：最值、 方差、能量；所述纹理特征的类型包括：局部灰度差分矩阵、灰度区域矩阵、灰度游程矩阵、 灰度共生矩阵。 优选的，所述预测模块包括： 预测单元，用于基于所述目标影像组学特征和预先训练的消融疗效评估模型进行 肿瘤消融疗效预测，得到所述肿瘤消融疗效预测结果。 优选的，还包括： 第三获取单元，用于所述预测单元基于所述目标影像组学特征和预先训练的消融 疗效评估模型进行肿瘤消融疗效预测之前，获取待训练样本； 计算单元，用于基于所述待训练样本的目标影像组学特征计算术后预设时长后的 肿瘤体积缩小率；判断所述肿瘤体积缩小率是否大于等于预设阈值，若是，则将所述待训练 样本分类为表征消融有效的训练样本；若否，则将所述待训练样本分类为表征消融无效的 训练样本； 训练单元，用于基于分类后的所述待训练样本对所述消融疗效评估模型对应的初 5 CN 111583217 A 说　明　书 3/12 页 始模型进行训练，得到训练好的所述消融疗效评估模型。 优选的，所述消融疗效评估模型包括基于传统机器学习数据挖掘算法或深度神经 网络分类算法搭建的模型； 所述传统机器学习数据挖掘算法包括：逻辑蒂斯回归、支持向量机、随机森林、 XGboost；所述深度神经网络分类算法包括：VGG、ResNet、DensNet。 优选的，所述获取模块包括： 第四获取单元，用于获取包含肿瘤的超声图像； 第二处理单元，用于采用肿瘤自动分割模型对所述超声图像进行处理，得到所述 肿瘤病灶实质图像。 优选的，所述获取模块包括： 第五获取单元，用于获取包含肿瘤的超声图像； 第六获取单元，用于获取对所述超声图像进行手动勾画后得到所述肿瘤病灶实质 图像。 一种肿瘤消融疗效预测设备，包括： 存储器，用于存储计算机程序； 处理器，用于执行所述计算机程序以获取肿瘤病灶实质图像；对所述肿瘤病灶实 质图像进行影像组学特征提取和筛选，得到目标影像组学特征；基于所述目标影像组学特 征进行肿瘤消融疗效预测，得到肿瘤消融疗效预测结果。 一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述 计算机程序被处理器执行时以获取肿瘤病灶实质图像；对所述肿瘤病灶实质图像进行影像 组学特征提取和筛选，得到目标影像组学特征；基于所述目标影像组学特征进行肿瘤消融 疗效预测，得到肿瘤消融疗效预测结果。 一种肿瘤消融疗效预测方法，包括： 获取肿瘤病灶实质图像； 对所述肿瘤病灶实质图像进行影像组学特征提取和筛选，得到目标影像组学特 征； 基于所述目标影像组学特征进行肿瘤消融疗效预测，得到肿瘤消融疗效预测结 果。 本申请提供的一种肿瘤消融疗效预测装置，获取模块用于获取肿瘤病灶实质图 像；处理模块用于对肿瘤病灶实质图像进行影像组学特征提取和筛选，得到目标影像组学 特征；预测模块用于基于目标影像组学特征进行肿瘤消融疗效预测，得到肿瘤消融疗效预 测结果。本申请中，在获取肿瘤病灶实质图像之后，便可以基于从肿瘤病灶实质图像中提取 的目标影像组学特征来进行肿瘤消融疗效预测，避免了医生主观因素的影响，且可以在术 前便完成肿瘤消融疗效预测，降低了肿瘤消融疗效预测的局限性。本申请提供的一种肿瘤 消融疗效预测方法、设备及计算机可读存储介质也解决了相应技术问题。 附图说明 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 6 CN 111583217 A 说　明　书 4/12 页 申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 提供的附图获得其他的附图。 图1为本申请实施例提供的一种肿瘤消融疗效预测装置的结构示意图； 图2为实际应用中肿瘤消融疗效预测装置的结构示意图； 图3为本申请实施例提供的一种肿瘤消融疗效预测设备的结构示意图； 图4为本申请实施例提供的一种肿瘤消融疗效预测设备的另一结构示意图； 图5为本申请实施例提供的一种肿瘤消融疗效预测方法的流程图； 图6为得到目标影像组学特征的流程图。