基于影像组学的脑胶质瘤在线分级预测方法研究

The grading of glioma before surgical operation is important to treatment and prognosis. Currently, the predictive grading to glioma in clinical practice is subject to clinician’s personal experience, so that it is hard to reproduce and get reliable results. Furthermore, the diagnostic level of hospitals in distant area is relatively low and the diagnostic support from high-level hospitals is needed. So the technology for transferring image data via medical network is very necessary. This proposal is to build an online aided diagnosis system for glioma based on Radiomics, combining multimodal MRI and network technology. We will do research on accurate grading prediction algorithm and high-speed medical image transport technology on medical dedicated network. The system will help clinician to make better diagnosis about glioma. This proposal includes 3 research tasks: 1) it is very difficult to get quantitative information from normal MRI images, so we will propose a new algorithm for feature extraction and stable quantitative results; 2) the current prediction models are not accurate enough, so we will do research on more accurate and quantitative grading method of glioma based on Radiomics; 3) the volume of medical image data is very large and difficult to be transferred on dedicated lines in high-speed, we will design and implement a transport protocol to achieve high-speed transportation for medical image data on a high-bandwidth, high-latency, no congestion network.

脑胶质瘤的术前分级对治疗方案的制定和预后评估至关重要。目前脑胶质瘤的分级预测受制于医生的临床经验，可重复性差，难以给出准确可靠的分级结果；而且，基层医院对脑胶质瘤等重大疾病的诊疗能力不足，如何借助网络技术实现脑胶质瘤分级预测的远程在线交互，将会对提高各级医院脑胶质瘤诊疗效率起到重要作用。本项目基于影像组学理论方法，结合多模态磁共振成像和网络技术，研究脑胶质瘤精准分级预测算法和医学影像高速传输技术，研发脑胶质瘤在线分析预测系统，以期实现对脑胶质瘤的远程实时精准分级预测，辅助提升脑胶质瘤临床诊断效果。主要工作包括：1、针对常规磁共振图像上脑胶质瘤难以定量描述的问题，研究脑胶质瘤图像特征量化与特征稳定性评价算法；2、针对难以构建脑胶质瘤精准分级预测模型的问题，研究基于影像组学的定量化脑胶质瘤分级预测算法；3、针对脑胶质瘤图像数据量大、难以在线交互的问题，研究医学图像数据的高速传输算法。

脑胶质瘤的术前分级对治疗方案的制定和预后评估至关重要。目前脑胶质瘤的分级预测受制于医生的临床经验，可重复性差，难以给出准确可靠的分级结果；而且，基层医院对脑胶质瘤等重大疾病的诊断能力不足，如何借助网络技术实现脑胶质瘤分级预测的远程在线交互，将会对提高各级医院脑胶质瘤诊疗效率起到重要作用。本项目基于影像组学理论方法，结合多模态磁共振成像和网络技术，研究脑胶质瘤精准分级预测算法和医学影像高速传输技术，研发脑胶质瘤在线分析预测系统，以及实现对脑胶质瘤的远程实时精准分级预测，辅助提升脑胶质瘤临床诊断效果。项目回顾性收集河南省人民医院2012~2018年脑胶质瘤影像数据556例作为实验对象。针对常规磁共振图像脑胶质瘤难以定量描述的问题，研究脑胶质瘤图像特征量化与特征稳定性评价算法，使用组内相关系数、信息增益、遗传算法的三级特征过滤，去除对边界敏感、不相关以及冗余特征，选择最优特征子集，研究结果证明该方法能够有效地去除肿瘤边界不稳定特征、冗余特征和不相关特征，提高模型的训练精度。针对难以构建脑胶质瘤精准分级预测模型的问题，研究基于影像组学的定量化胶质瘤分级预测算法。以最大熵判别模型为基础分类器，利用迭代算法对多视角脑胶质瘤数据集进行模型训练，最终输出基础分类器的组合，实现对脑胶质瘤的精准分级预测，研究结果证明利用磁共振多序列影像中包含的信息，能提高了对脑胶质瘤分级的准确率。针对脑胶质瘤图像数据量、难以在线交互的问题，提出了一种基于带宽感知动态压缩算法的影像高效传输策略，该策略采用带宽感知动态压缩算法和边压缩边传输机制，实现海量影像传输。实验结果表明，与三种常规传输模式相比，该策略可以降低传输总时间，有效地提高传输效率。.本项目在上述研究成果的基础上，研发了脑胶质瘤医学影像在线诊断系统，实现了医疗机构之间的影像数据高速传输，以及脑胶质瘤的分级预测和辅助诊断。系统已进行了开源，并免费提供给多家医院进行试用。