一种结外鼻型NKT细胞淋巴瘤诊断与预后模型的构建方法

一种结外鼻型nk/t细胞淋巴瘤诊断与预后模型的构建方法
技术领域
1.本发明涉及癌症风险评估技术领域，具体涉及一种结外鼻型nk/t细胞淋巴瘤诊断与预后模型的构建方法。


背景技术：

2.鼻咽癌和结外鼻型nk/t细胞淋巴瘤（nktcl）是威胁全人类健康的主要恶性肿瘤之一，鼻咽癌和结外鼻型nk/t细胞淋巴瘤（nktcl）是我国华南地区累及鼻咽部最常见的两种恶性肿瘤，已成为了影响我国人民身体健康的重要疾病；目前其鉴别诊断主要依赖于高水平的病理科医生的病理诊断。但由于两者在生物学特征、临床治疗方式、预后等方面的显著差异，因此早期鉴别鼻咽癌和结外鼻型nktcl具有重要意义。核磁共振成像（mri）具有出色的软组织分辨率，是评估鼻咽部恶性肿瘤主要的无创性检查手段，但由于鼻咽癌与结外鼻型nktcl在鼻咽受侵时具有相似的影像学表现，通过常规mri图像鉴别两者非常困难。随着现代医学的不断发展，医疗数据不断增多，从这些信息数据中获取对研究有益的数据就变得非常重要，由于临床检查作为体检人群和就诊病人都要进行的一项常规检查，不仅用于对病人身体状况的一般了解和对疾病的初步判断以及对治疗疗效的观察，而人工智能（ai）在医学领域则能表现出重要的辅助决策能力，可协助判断病变情况。目前nktcl领域尚无基于mr的人工智能诊断及预后模型构建方法的报道。


技术实现要素：

3.针对上述背景技术中存在的由于鼻咽癌与结外鼻型nktcl在鼻咽受侵时具有相似的影像学表现，通过常规mri图像鉴别两者非常困难且鉴别诊断主要依赖于高水平的病理科医生的病理诊断的缺陷。本发明提供一种结外鼻型nk/t细胞淋巴瘤诊断与预后模型的构建方法用于克服上述缺陷。
4.一种结外鼻型nk/t细胞淋巴瘤诊断模型的构建方法，包括以下步骤：s1、获取鼻咽患者队列的mri影像学诊断或者病理学诊断，得到影像学图数据集，并将影像学图数据集作为原始数据集；s2、将上述s1中的原始数据集分为训练集及内部验证集，采用训练集训练3d-cnn模型，构建初步ai诊断模型；s3、通过内部验证集对初步ai诊断模型进行初步验证，并通过优化以及交叉验证提高初步ai诊断模型的灵敏度及特异度；s4、收集外部符合纳入标准的鼻咽mri影像学图，形成外部验证集，并通过外部验证集对ai诊断模型进行外部验证，验证后得到最终ai诊断模型。
5.作为优选方案，在s1步骤中，获取鼻咽患者队列的mri影像学诊断或者病理学诊断包括：存在鼻咽部受累的患者，且患者的病理诊断为结外鼻型nktcl，需行鼻咽mri平扫 增强影像学检查诊断；存在鼻咽部受累的患者，且患者的病理诊断为鼻咽癌，并行鼻咽mri平扫 增强影像学检查诊断；影像学诊断或者病理学诊断为良性病变的患者，且患者经鼻咽
mri平扫 增强影像学检查诊断。
6.作为优选方案，所述3d-cnn模型使用self-constrained 3d densenet（sc-densenet）模型算法，其采用端到端多任务学习网络架构，由编码器模块及解码器模块组成。
7.作为优选方案，所述编码器模块由denseblock_down和transitionblock_down组成；每个denseblock_down包括几个紧密连接的卷积层，每个卷积层是由batch normalization layer和leaky rectified linear unit激活；transitionblock_down由一个卷积层和一个池层组成。
8.作为优选方案，在所述解码器模块中加入一系列级联和上采样操作，通过分类任务可以获得输入三维图像的全局信息；对解码器模块的输出进行加权，得到语义分割任务的结果，建立相互制约的关系，得出两个任务一致的结论。
9.作为优选方案，将鼻咽3d mri输入所述sc-densenet模型，通过二分类或三分类任务输出nktcl的概率；若概率大于0.5的输入鼻咽mri则被视为nktcl，同时语义分割任务输出与输入图像分辨率相同的概率图，自动勾勒出肿瘤区域。
10.一种结外鼻型nk/t细胞淋巴瘤预后模型的构建方法，包括以下步骤：s11、获取结外鼻型nktcl患者的mri影像学诊断或者病理学诊断，得到影像学图数据集，将影像学图数据集分为训练集及内部验证集；s22、构建初始ai预后模型，采用训练集对初始ai预后模型进行训练；s33、收集患者的临床数据资料以及生存数据资料，根据初始ai预后模型对患者mri影像学特征进行赋分得出mri-score，运用统计学xgboost方法或基于cox回归的nomogranm模型分析结外鼻型nktcl的预后影响因素，并与其他预后模型对比；s44、收集外部符合纳入标准的结外鼻型nktcl患者影像学图、临床数据资料以及生存数据资料，形成外部验证集，将内部验证集和外部验证集对初始ai预后模型进行验证，验证后得到最终ai预后模型。
11.作为优选方案，构建与结外鼻型nktcl患者的生存期相关度高的临床表型指标的roc曲线，通过roc曲线获得预后生存风险阈值，判断结外鼻型nktcl患者的生存期预后指数是否大于预后生存风险阈值；若是，结外鼻型nktcl患者的预后生存风险为高风险；否则，结外鼻型nktcl患者的预后生存风险为低风险。
12.作为优选方案，根据基于鼻咽mri影像学特征的ai预后模型进行早期结外鼻型nktcl的危险度分层，指导早期nktcl的分层治疗。
13.作为优选方案，所述影像学图数据集的80%作为训练集，其余影像学图数据集作为内部验证集。
14.本发明具有以下有益效果：1、基于鼻咽mri影像学特征，通过3d-cnn模型最大化利用mr影像学上的特征，构建ai诊断模型用于鉴别结外鼻型nkt细胞淋巴瘤，鼻咽癌以及鼻咽部良性病变；并通过xgboost方法或基于cox回归的nomogranm模型分析结外鼻型nktcl的预后影响因素，并期进一步指导早期nktcl的分层治疗。
15.2、在患者进行无创鼻咽mri检查后，通过ai诊断模型，对鼻咽良恶性病变鉴别，对结外鼻型nktcl及鼻咽癌进行鉴别；并为病理科医师提供相应免疫组化等检查进行诊断，缩
短患者等待时间，减少患者经济负担；并可对基层医院的医师进行推广，提供疾病诊断准确率，减少漏诊率、误诊率；并根据ai预后模型，指导早期结外鼻型nktcl的分层治疗。
附图说明
16.图1为本发明实施例1的流程示意图。
17.图2为本发明实施例2的流程示意图。
18.图3为本发明的cnn模型结构图。
19.图4为本发明的根据ai预后模型指导分层治疗的演示图。
具体实施方式
20.现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。
21.实施例1参照图1和图3，本实施例1提供一种结外鼻型nk/t细胞淋巴瘤诊断模型的构建方法，该方法包括以下步骤：s1、获取鼻咽患者队列的mri影像学诊断或者病理学诊断，得到影像学图数据集，并将影像学图数据集作为原始数据集；s2、将上述s1中的原始数据集分为训练集及内部验证集，采用训练集训练3d-cnn模型，构建初步ai诊断模型；s3、通过内部验证集对初步ai诊断模型进行初步验证，并通过优化以及交叉验证提高初步ai诊断模型的灵敏度及特异度；s4、收集外部符合纳入标准的鼻咽mri影像学图，形成外部验证集，并通过外部验证集对ai诊断模型进行外部验证，验证后得到最终ai诊断模型。
22.在本实施例的s1步骤中，获取鼻咽患者队列的mri影像学诊断或者病理学诊断包括：存在鼻咽部受累的患者，且患者的病理诊断为结外鼻型nktcl（细胞淋巴瘤），需行鼻咽mri平扫 增强影像学检查诊断；存在鼻咽部受累的患者，且患者的病理诊断为鼻咽癌，并行鼻咽mri平扫 增强影像学检查诊断；影像学诊断或者病理学诊断为良性病变的患者，且患者经鼻咽mri平扫 增强影像学检查诊断。
23.在本实施例中，所述3d-cnn模型使用self-constrained 3d densenet（sc-densenet）模型算法，其采用端到端多任务学习网络架构，由编码器模块及解码器模块组成。
24.在本实施例中，所述编码器模块由denseblock_down和transitionblock_down组成；每个denseblock_down包括几个紧密连接的卷积层，每个卷积层是由batch normalization layer（分批归一化层）和leaky rectified linear unit（漏泄整流线性单元）激活；transitionblock_down由一个卷积层和一个池层组成。
25.在本实施例1中，在所述解码器模块中加入一系列级联和上采样操作，通过分类任务可以获得输入三维图像的全局信息；对解码器模块的输出进行加权，得到语义分割任务的结果，建立相互制约的关系，得出两个任务一致的结论。
26.在本实施例1中，将鼻咽3d mri输入所述sc-densenet模型，通过二分类或三分类
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
35.上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如信息采集模板展示功能、产品信息发布功能等）等；存储数据区可存储根据泊位状态显示系统的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（smart media card， smc），安全数字（secure digital， sd）卡，闪存卡（flash card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
36.终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（rom，read-only memory）、随机存取存储器（ram，random access memory）、电载波信号、电信信号以及软件分发介质等。
37.在本说明书的描述中，参考术语“一个实施方式”、“某些实施方式”、“示意性实施方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合所述实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
38.以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
39.此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。