基于可解释性机器模型的胰腺癌早期复发预测方法及系统

本发明涉及医学影像组学技术领域，具体涉及基于可解释性机器模型的胰腺癌早期复发预测方法及系统，包括以下步骤：在CT影像中提取出肿瘤内外影像组学特征；在身体成分参数和临床病理数据中进行单因素分析以及多变量逻辑回归分析得到临床特征；通过六种机器学习算法基于肿瘤内外影像组学特征构建出六组分类器模型，并根据模型性能比对，得到影像组学模型；将临床特征与影像组学模型构建临床‑影像组学联合模型，并对临床‑影像组学联合模型进行可解释性SHAP分析。本发明将瘤内‑瘤周CT影像组学特征与身体成分参数结合，构建用于预测PDAC切除后的早期复发风险的机器学习模型，并纳入可解释性SHAP分析，增强机器学习模型决策过程的透明度。