rnetics，卷SMC_3,6 号，610-621 页（1973 年）；Howarth等人的"Evaluationof TexturalFeaturesforContent-BasedImageRetrieval"，P.Enser等人的（Eds. )：CIVR 2004,LNCS3115,326-334 页（2004)。
[0046] 基于对患者的注释（例如组织病理学数据、使用RNA测序数据和治疗反应的亚 型-标记），创建患者的两个亚组：ER+(对应于具有分子特征的组30)，以及ER-(对应于没 有分子特征的组32)。
[0047] 表1 :说明性范例中使用的Haralick图像纹理特征
【主权项】
1. 一种存储指令的非瞬态存储介质，所述指令能由电子数据处理设备（14)运行以执 行方法，所述方法包括： 根据对象中的感兴趣的解剖特征的图像，针对图像纹理特征的集合来计算图像纹理特 征值；并且 基于针对所述图像纹理特征的集合计算的所述图像纹理特征值关于感兴趣的分子特 征来对所述对象进行分类。
2. 如权利要求1所述的非瞬态存储介质，其中，对所述图像纹理特征值的所述计算包 括： 针对所述对象中的所述感兴趣的解剖特征的所述图像来计算一个或多个灰度共生矩 阵（GLCM);并且 基于所述一个或多个GLCM来计算所述图像纹理特征值。
3. 如权利要求2所述的非瞬态存储介质，其中，所述计算一个或多个GLCM包括针对所 述对象中的所述感兴趣的解剖特征的所述图像来计算一个或多个对称且归一化的GLCM。
4. 如权利要求2-3中的任一项所述的非瞬态存储介质，其中，对所述图像纹理特征值 的所述计算还包括在计算所述一个或多个GLCM之前，量化所述对象中的所述感兴趣的解 剖特征的所述图像的灰度。
5. 如权利要求2-4中的任一项所述的非瞬态存储介质，其中，所述计算一个或多个 GLCM包括计算具有（1)不同偏移和（2)不同空间布置中的至少一个的两个或更多个GLCM。
6. 如权利要求1-5中的任一项所述的非瞬态存储介质，其中，所述图像纹理特征的集 合包括Haralick图像纹理特征。
7. 如权利要求1-6中的任一项所述的非瞬态存储介质，其中，所述图像纹理特征的集 合包括Tamura图像纹理特征。
8. 如权利要求1-7中的任一项所述的非瞬态存储介质，其中，所述方法还包括： 根据参考群体的参考对象中的所述感兴趣的解剖特征的图像，至少针对所述图像纹理 特征的集合来计算参考图像纹理特征值； 基于所述参考对象的所述感兴趣的分子特征的已知值来将所述参考图像纹理特征值 划分成表示所述感兴趣的分子特征的不同值的不同群组；并且 基于所述参考图像纹理特征值来训练在所述分类中使用的分类器，以在所述不同群组 之间进行区分。
9. 如权利要求8所述的非瞬态存储介质，其中，所述参考图像纹理特征值是针对含有 所述图像纹理特征的集合的图像纹理特征的超集来计算的，并且所述训练包括： 执行单变量分析来量化所述图像纹理特征的超集中的每个图像纹理特征的统计显著 性，以用于在所述不同群组之间进行区分；并且 选择所述图像纹理特征的集合作为所述图像纹理特征的超集的具有最高统计显著性 的子集。
10. 如权利要求9所述的非瞬态存储介质，其中，所述单变量分析包括执行WiIcoxon秩 和检验或学生t检验，以量化所述统计显著性。
11. 如权利要求1-10中的任一项所述的非瞬态存储介质，其中，所述对象中的所述感 兴趣的解剖特征的所述图像是磁共振（MR)图像。
12. 如权利要求1-11中的任一项所述的非瞬态存储介质，其中，所述感兴趣的分子特 征是基因、一组基因、基因通路激活、非编码RNA、或多个非编码RNA。
13. 如权利要求1-12中的任一项所述的非瞬态存储介质，其中，所述感兴趣的解剖特 征是乳腺病变，并且所述感兴趣的分子特征是雌激素受体（ER)标记物。
14. 如权利要求1-12中的任一项所述的非瞬态存储介质，其中，所述感兴趣的解剖特 征是乳腺病变，并且所述感兴趣的分子特征是孕激素受体（PR)标记物。
15. 如权利要求1-12中的任一项所述的非瞬态存储介质，其中，所述感兴趣的解剖特 征是乳腺病变，并且所述感兴趣的分子特征是人类表皮生长因子受体2 (Her2)标记物。
16. 如权利要求1-12中的任一项所述的非瞬态存储介质，其中，所述感兴趣的解剖特 征是乳腺病变，并且所述感兴趣的分子特征是TGFbeta通路的放松。
17. 如权利要求8-16中的任一项所述的非瞬态存储介质，其中，所述计算参考图像纹 理特征值包括： 针对每个参考对象中的所述感兴趣的解剖特征的每幅图像： 计算一个或多个灰度共生矩阵（GLCM)，并且 基于所述一个或多个GLCM来计算所述图像的所述参考图像纹理特征值。
18. -种装置，包括： 如权利要求1-17中的任一项所述的非瞬态存储介质；以及 电子数据处理设备（14)，其被配置为运行被存储在所述非瞬态存储介质上的指令。
19. 一种方法，包括： 根据参考群体的参考对象中的感兴趣的解剖特征的图像，针对多个图像纹理特征来计 算参考图像纹理特征值； 基于所述参考对象的所述感兴趣的分子特征的已知值来将所述参考图像纹理特征值 划分成表示感兴趣的分子特征的不同值的不同群组；并且 基于所述参考图像纹理特征值来训练分类器以在所述不同群组之间进行区分； 其中，所述计算、所述划分和所述训练是由电子数据处理设备（14)执行的。
20. 如权利要求19所述的方法，其中，所述计算参考图像纹理特征值包括： 计算每个图像的一个或多个灰度共生矩阵（GLCM)，并且 基于所述一个或多个GLCM来计算所述参考图像纹理特征值。
21. 如权利要求20所述的方法，其中，所述一个或多个GLCM是一个或多个对称且归一 化的GLCM。
22. 如权利要求20-21中的任一项所述的方法，还包括在计算所述图像的所述一个或 多个GLCM之前，量化每幅图像的所述灰度。
23. 如权利要求19-22中的任一项所述的方法，其中，所述多个图像纹理特征包括 Haralick图像纹理特征、Tamura图像纹理特征、Gabor特征，和小波子带特征中的至少一 个。
24. 如权利要求19-23中的任一项所述的方法，其中，所述训练包括： 针对所述多个图像纹理特征中的每个图像纹理特征执行单变量分析，以量化每个图像 纹理特征的统计显著性，用于在所述不同群组之间进行区分； 选择所述多个图像纹理特征的具有最高统计显著性的图像纹理特征的显著子集；并且 仅使用所述图像纹理特征的显著子集来训练所述分类器。
25. 如权利要求19-24中的任一项所述的方法，还包括： (i) 根据测试对象中的所述感兴趣的解剖特征的图像，针对所述多个图像纹理特征中 的至少一些，来计算纹理特征值；并且 (ii) 使用所训练的分类器关于所述感兴趣的分子特征对所述测试对象进行分类； 其中，所述操作（i)和（ii)是由所述电子数据处理设备（14)执行的。
26. 如权利要求19-25中的任一项所述的方法，其中，所述感兴趣的解剖特征是病变。
27. 如权利要求19-26中的任一项所述的方法，其中，所述感兴趣的解剖特征是乳腺病 变，并且所述感兴趣的分子特征是激素受体标记物。
【专利摘要】根据对象中的感兴趣的解剖特征的图像，针对图像纹理特征的集合来计算图像纹理特征值，并且基于计算出的图像纹理特征值关于感兴趣的分子特征来对所述对象进行分类。所述图像纹理特征值可以是根据一个或多个灰度共生矩阵(GLCM)来计算的，并且所述图像纹理特征可以包括Haralick图像纹理特征和/或Tamura图像纹理特征。为了训练分类器，根据参考对象中的所述感兴趣的解剖特征的图像，至少针对所述图像纹理特征的集合来计算参考图像纹理特征值。所述参考图像纹理特征值被划分成表示所述感兴趣的分子特征的不同值的不同群组，并且基于所述参考图像纹理特征值来训练所述分类器以在所述不同群组之间进行区分。
【IPC分类】G06T7-40
【公开号】CN104798105
【申请号】CN201380060670
【发明人】N·班纳吉, N·迪米特罗瓦, V·瓦拉达恩, S·卡玛拉卡兰, A·亚内夫斯基, S·迈蒂
【申请人】皇家飞利浦有限公司
【公开日】2015年7月22日
【申请日】2013年10月25日
【公告号】EP2923336A2, WO2014080305A2, WO2014080305A3