本发明涉及高光谱图像分析，尤其涉及一种基于高光谱图像的肾移植术后恢复情况预测方法及系统。
背景技术：
1、肾移植(ktr)被认为是治疗终末期肾病患者最有效的替代疗法。与透析相比，ktr能够显著提高终末期肾病患者的生活质量。尽管目前肾移植手术技术和术后免疫抑制方案得到较大进步及优化，但一些ktr术后的患者仍会出现早期的移植后并发症，导致肾功能恢复缓慢，需要继续透析(移植后第一周内)，这种临床状况被称成为移植肾功能延迟(dgf)。dgf的发生是急性细胞排斥反应( acr)、抗体介导排斥反应(abmr)和移植物生存降低的重要危险因素，导致患者住院时间延长、肾活检次数增加和移植物丢失风险增加。dgf持续时间对移植物的长期预后具有重要影响，尤其是dgf时间超过14天时，移植物丢失的风险将成倍增加。因此，及时而准确地预测同种异体移植物的dgf风险、预测患者术后恢复情况，将会有助于患者术后的免疫抑制方案的制定、治疗计划的正确实施，并最终使移植受者获得更良好的预后。
2、现有的肾移植术后恢复情况的预测方法，多数使用统计学方法进行分析预测，通过分析并选取影响恢复的风险因素，使用不同的统计分析方法来挖掘相关风险因素，然后使用这些高风险因素通过分类器(如逻辑回归)进行预测。然而，当前主要基于统计分析进行预测的方法并不具备数据特征学习能力，且不同的统计分析方法得到的预测结果不同，其预测结果并不准确。
技术实现思路
1、为解决上述现有技术的不足，本发明提供了一种基于高光谱图像的肾移植术后恢复情况预测方法及系统，利用高光谱成像技术，获取肾移植术前移植肾零点穿刺病理标本的高光谱图像，对高光谱图像进行去噪、优化、波段优选、数据降维等预处理操作，对不同预处理后的图像提取不同的特征，基于提取特征分别进行分类后，再拟合分类结果，以此预测肾移植术后恢复情况，实现准确性更高的分类预测。
2、第一方面，本发明提供了一种基于高光谱图像的肾移植术后恢复情况预测方法。
3、一种基于高光谱图像的肾移植术后恢复情况预测方法，包括：
4、获取患者肾移植术前移植肾零点穿刺病理标本的原始高光谱图像；
5、对原始高光谱图像进行预处理，包括：先进行去噪和优化处理，得到高光谱图像 a；再对高光谱图像 a分别进行波段优化和数据降维，得到高光谱图像 b和高光谱图像 c；
6、基于高光谱图像 a和高光谱图像 b分别提取第一空间光谱特征和第二空间光谱特征，基于高光谱图像 c提取像素特征；
7、基于提取的特征分别进行分类结果预测，并对多种分类结果进行权重拟合，得到最终患者肾移植术后恢复情况预测的分类结果。
8、第二方面，本发明提供了一种基于高光谱图像的肾移植术后恢复情况预测系统。
9、一种基于高光谱图像的肾移植术后恢复情况预测系统，包括：
10、高光谱成像模块，用于获取患者肾移植术前移植肾零点穿刺病理标本的原始高光谱图像；
11、数据预处理模块，用于对原始高光谱图像进行预处理，包括：先进行去噪和优化处理，得到高光谱图像 a；再对高光谱图像 a分别进行波段优化和数据降维，得到高光谱图像 b和高光谱图像 c；
12、分类预测模块，用于基于高光谱图像 a和高光谱图像 b分别提取第一空间光谱特征和第二空间光谱特征，基于高光谱图像 c提取像素特征；基于提取的特征分别进行分类结果预测，并对多种分类结果进行权重拟合，得到最终患者肾移植术后恢复情况预测的分类结果。
13、以上一个或多个技术方案存在以下有益效果：
14、1、本发明提供了一种基于高光谱图像的肾移植术后恢复情况预测方法及系统，利用高光谱成像技术，获取肾移植术前移植肾零点穿刺病理标本的高光谱图像，对高光谱图像进行去噪、优化、波段优选、数据降维等预处理操作，对不同预处理后的图像提取不同的特征，基于提取特征分别进行分类后，再拟合分类结果，以此预测肾移植术后恢复情况，实现准确性更高的分类预测。
15、2、本发明中，对获取的病理标本高光谱图像进行去噪和优化处理后，再分别进行波段优化和数据降维操作，对经过不同预处理操作的图像分别提取空间光谱信息和像素信息，基于所提取的不同信息进行分类预测，最终再融合多种分类结果，以此保证分类预测结果的准确性，相较于传统的单一预处理方法和单一特征提取方法如仅提取光谱特征进行分类预测的方法，本发明能够实现更高的分类预测准确性。
1.一种基于高光谱图像的肾移植术后恢复情况预测方法，其特征是，包括：
2.如权利要求1所述的基于高光谱图像的肾移植术后恢复情况预测方法，其特征是，在获取原始高光谱图像后，对原始高光谱图像进行光谱校准，包括：
3.如权利要求1所述的基于高光谱图像的肾移植术后恢复情况预测方法，其特征是，所述波段优化包括：
4.如权利要求1所述的基于高光谱图像的肾移植术后恢复情况预测方法，其特征是，将高光谱图像a输入到空间光谱学习模块i进行学习，提取第一空间光谱特征；
5.如权利要求1所述的基于高光谱图像的肾移植术后恢复情况预测方法，其特征是，将高光谱图像c输入到像素学习模块进行学习分类，提取像素特征；
6.如权利要求1所述的基于高光谱图像的肾移植术后恢复情况预测方法，其特征是，对三个分类结果进行权重拟合，得到最终的分类结果，即为患者肾移植术后恢复情况预测的分类结果，预测的恢复情况可划分为良好恢复、滞后恢复和排斥；其中，权重拟合包括：基于输入的三个分类结果、、，当=时，则令=作为最终分类预测结果输出；否则，令=作为最终分类预测结果输出。
7.一种基于高光谱图像的肾移植术后恢复情况预测系统，其特征是，包括：
8.如权利要求7所述的基于高光谱图像的肾移植术后恢复情况预测系统，其特征是，在获取原始高光谱图像后，对原始高光谱图像进行光谱校准，包括：
9.如权利要求7所述的基于高光谱图像的肾移植术后恢复情况预测系统，其特征是，所述波段优化包括：
10.如权利要求7所述的基于高光谱图像的肾移植术后恢复情况预测系统，其特征是，对三个分类结果进行权重拟合，得到最终的分类结果，即为患者肾移植术后恢复情况预测的分类结果，预测的恢复情况可划分为良好恢复、滞后恢复和排斥；其中，权重拟合包括：基于输入的三个分类结果、、，当=时，则令=作为最终分类预测结果输出；否则，令=作为最终分类预测结果输出。
