基于nnUnetV2及影像组学预测直肠癌区域淋巴结状态的方法

公开一种基于nnUnetV2及影像组学预测直肠癌区域淋巴结状态的方法，包括以下步骤：数据采集；直肠癌肿瘤区域VOI勾画；MRI图像预处理；自动分割模型训练；影像组学特征提取；特征降维和选择；采用逻辑回归LR构建预测模型，对淋巴结状态进行预测。本发明将基于深度学习nnU‑NetV2的自动分割与MRI影像组学特征相结合的方法，解决传统影像组学方法中医生手工标记耗时耗力、效率低下的问题，并能够从不同模态医学图像中提取更能反映训练样本实际情况的影像组学特征，为直肠癌患者无创性预测区域淋巴结状态提供辅助诊断，有利于对淋巴结的精准预测，同时为结直肠癌提供更加精准和个性化的诊疗方案。