直肠癌术前同期新辅助放化疗疗效评估系统和方法技术方案

本发明专利技术涉及直肠癌术前同期新辅助放化疗疗效评估系统和方法。本发明专利技术的评估系统包括图像获取单元，用于获取初诊局部晚期直肠癌患者的病理活检切片扫描图像和新辅助放化疗治疗前MRI影像，并将直肠癌患者分为训练集、校验集和测试集，作为已输入图像数据；图像标注单元，用于将训练集、校验集和测试集的病理活检切片扫描图像和MRI影像分别进行数据标注；卷积神经网络构造单元，用于构造第一卷积神经网络模型；以及卷积神经网络模型训练单元，获得用于评估直肠癌术前同期新辅助放化疗疗效的第二卷积神经网络模型。本发明专利技术的直肠癌术前同期新辅助放化疗疗效评估系统具有准确率高、耗时短且工作持续时间长、客观、立体等诸多优点。

【技术实现步骤摘要】
直肠癌术前同期新辅助放化疗疗效评估系统和方法
本专利技术涉及直肠癌术前同期新辅助放化疗疗效评估系统和方法，具体涉及基于大数据分析活检病理及疗前MRI图像的直肠癌术前同期新辅助放化疗疗效评估系统和方法。
技术介绍
深度学习是目前人工智能领域用于图像识别和语音分析的最契合、应用最广泛的算法，其灵感来自于人类大脑的工作机制，是通过建立卷积神经网络对外部输入的数据进行自动化特征提取，从而能够使机器理解学习数据，获得信息并输出。目前，基于深度学习的人工智能已应用于各个行业领域，包括语音识别、人脸识别、车标识别、手写汉字识别等。近年来人工智能辅助医疗技术的产品研发也取得重大进展，如由谷歌大脑及Verily公司研发的用于乳腺癌病理诊断的人工智能产品可达到89％的肿瘤定位准确率；浙江大学附属第一医院利用人工智能实现快速分析甲状腺B超中结节区域的位置和良恶性；中山大学中山眼科中心利用深度学习算法建立了CC-Cruiser人工智能平台以协助筛查先天性白内障等。可见，通过对大量医学图像数据的深度学习能有效辅助临床医疗工作者进行疾病诊疗。直肠癌是我国最常见的消化道恶性肿瘤之一，单纯的手术治疗效果往往不尽如人本文档来自技高网...

【技术保护点】
1.一种直肠癌术前同期新辅助放化疗疗效评估系统，其特征在于，包括图像获取单元，用于获取初诊局部晚期直肠癌患者的病理活检切片扫描图像和新辅助放化疗治疗前MRI影像，并将初诊局部晚期直肠癌患者分为训练集、校验集和测试集，作为已输入图像数据；图像标注单元，用于将训练集、校验集和测试集的病理活检切片扫描图像和MRI影像分别进行数据标注；卷积神经网络构造单元，用于构造第一卷积神经网络模型；以及卷积神经网络模型训练单元，根据已输入图像数据和所进行的数据标注对第一卷积神经网络模型的参数进行调节，在校验集上观察分类的准确率，并训练第一卷积神经网络模型，获得用于评估直肠癌术前同期新辅助放化疗疗效的第二卷积神经网...

【技术特征摘要】
1.一种直肠癌术前同期新辅助放化疗疗效评估系统，其特征在于，包括图像获取单元，用于获取初诊局部晚期直肠癌患者的病理活检切片扫描图像和新辅助放化疗治疗前MRI影像，并将初诊局部晚期直肠癌患者分为训练集、校验集和测试集，作为已输入图像数据；图像标注单元，用于将训练集、校验集和测试集的病理活检切片扫描图像和MRI影像分别进行数据标注；卷积神经网络构造单元，用于构造第一卷积神经网络模型；以及卷积神经网络模型训练单元，根据已输入图像数据和所进行的数据标注对第一卷积神经网络模型的参数进行调节，在校验集上观察分类的准确率，并训练第一卷积神经网络模型，获得用于评估直肠癌术前同期新辅助放化疗疗效的第二卷积神经网络模型。2.如权利要求1所述的直肠癌术前同期新辅助放化疗疗效评估系统，其特征在于，还包括卷积神经网络模型验证单元，用于获得鲁棒的第三卷积神经网络模型。3.如权利要求2所述的直肠癌术前同期新辅助放化疗疗效评估系统，其特征在于，所述卷积神经网络模型验证单元包括卷积神经网络模型测试单元和卷积神经网络模型评价单元，所述卷积神经网络模型测试单元用于检测第二卷积神经网络模型在测试集上的准确率，所述卷积神经网络模型评价单元用于根据在测试集上的准确率评价第二卷积神经网络模型是否过拟合，以筛选出鲁棒的第三卷积神经网络模型。4.如权利要求1所述的直肠癌术前同期新辅助放化疗疗效评估系统，其特征在于，还包括患者筛选单元，用于筛选出符合条件的直肠癌患者。5.如权利要求1所述的直肠癌术前同期新辅助放化疗疗效评估系统，其特征在于，还包括图像优化单元，用于在数据标注之...

【专利技术属性】
技术研发人员：范新娟，汪建平，王磊，万香波，丁轶，王云龙，郑坚，
申请(专利权)人：中山大学附属第六医院，
类型：发明
国别省市：广东,44