1.OMP标志物,其特征在于,其为圈层分割图像的各层相对CT平均值以零层相对CT平均值归一化后的单层相对CT平均值或多层相对CT平均值的和;
所述各层相对CT平均值为各层体素相对CT值之和与各层体素个数的比值;
所述圈层分割图像的获取方法为:肿瘤实性部分增强CT影像重采样后勾画感兴趣体积获得分割图像,后以自外层向内层剥洋葱的方式逐层分割获得圈层分割图像。
2.根据权利要求1所述的OMP标志物,其特征在于,
所述相对CT值通过原始CT值Min-max规范化后得到,所述Min-max规范化公式为:Valuenormalization=(Value origin-Value min)/(Value max-Value min);其中,Valueorigin为分割影像原始CT值;Value max为所有分割影像中的最大原始CT值;Value min为所有分割影像中的最小原始CT值。
3.根据权利要求1所述的OMP标志物,其特征在于,所述勾画为手动勾画与自动勾画相结合;当所述肿瘤为肺癌时所述自动勾画阈值为-50HU~200HU。
4.根据权利要求1所述的OMP标志物,其特征在于,所述逐层分割的厚度为0.5mm~10mm。
5.根据权利要求1所述的OMP标志物,其特征在于,所述肿瘤的影像包括肺癌影像、乳腺癌影像、肝癌影像、食管癌影像、结直肠癌影像、胰腺癌影像、头颈部肿瘤影像、中枢神经系统肿瘤影像、妇科肿瘤影像、软组织肉瘤影像中的任意一种原发肿瘤及其转移瘤影像。
6.联合肿瘤标志物,其特征在于,包括肿瘤标志物和权利要求1~5任一项所述的OMP标志物。
7.根据权利要求6所述的联合肿瘤标志物,其特征在于,所述肿瘤标志物选自程序性死亡配体1、程序性死亡受体1、肿瘤突变负荷、错配修复缺陷、高微卫星不稳定性、肿瘤大小、肿瘤负荷、CD8+T细胞、CD4+T细胞、NK细胞、Treg细胞、树突状细胞、干扰素γ、颗粒酶、穿孔素、Foxp3、CXCL9、CXCL10、CXCL11、STAT1、STAT3、JAK1、JAK2、IRF、CCL8、TIGIT、ICOS、ICOSL、抗原处理相关转运体TAP1、抗原处理相关转运体TAP2、MHCII类转录激活因子、β2-微球蛋白、PSA、fPSA、甲胎蛋白、癌胚抗原、糖类抗原199、癌抗原125、肿瘤抗原153、癌抗原50、糖类抗原242、β2-微球蛋白、血清铁蛋白、神经元特异性烯醇化酶或人绒毛膜促性腺激素中的至少一种。
8.肿瘤临床预测模型的构建方法,其包括获取权利要求1~5任一项所述的OMP标志物或权利要求6或7所述的联合肿瘤标志物后构建疗效预测模型。
9.如下I)~III)所示中的任意一种在肿瘤影像学、影像组学、制备肿瘤疗效预测产品或肿瘤临床预测模型中的应用:I)、权利要求1~5任一项所述的OMP标志物;
II)、权利要求6或7所述的联合肿瘤标志物;
III)、权利要求8所述的构建方法。