癌症靶向治疗疗效评估方法及装置、设备、存储介质制造方法及图纸

本发明专利技术实施例公开一种癌症靶向治疗疗效评估方法及装置、设备、存储介质，其中方法包括如下步骤：对患者在癌症治疗期间内的所有CT影像和对应的ROI标注图进行基于分辨率的归一化处理得到处理图像组；基于肿瘤分割网络对处理图像组中的各处理图像进行检测和分割，提取出与各处理图像中肿瘤尺寸相匹配的3D肿瘤时序数据；基于特征学习网络提取3D肿瘤时序数据对应的时序特征数据；采用基于门控循环的分类网络对时序特征数据指示的疗效进行分类，输出疗效评估结果。采用本发明专利技术，针对癌症靶向治疗疗效评估问题，可以兼具准确性和医学含义的智能性。

Evaluation methods, devices, devices and storage media of cancer targeted therapy

【技术实现步骤摘要】
癌症靶向治疗疗效评估方法及装置、设备、存储介质
本专利技术涉及医疗分析
，尤其涉及一种癌症靶向治疗疗效评估方法及装置、设备、存储介质。
技术介绍
癌症是我国乃至全世界最主要的疾病之一，由于大多数癌症患者在晚期才被诊断出来，因此癌症的存活率很难得到改善，癌症已经严重危害国民的健康水平，因此利用靶向治疗前后拍摄的CT，通过人工智能技术预测治疗疗效，可以作为临床上选择治疗方案时的参考。近些年来，随着医学影像技术的发展，计算机断层扫描(CT)在癌症的早期检查中发挥着关键作用，已经有相关统计表明，CT筛查可使癌症的死亡率降低百分之二十。放射学是从感兴趣的区域提取和分析图像定量特征的过程，这些定量特征可以应用于癌症诊断、疗效分析等方面。先前很多工作表明，DeltaRadiomics(即放射组学特征随时间的变化量)可以用于预测各种癌症的治疗效果，比如肺癌、直肠癌、肝癌。传统的DeltaRadiomics特征的计算是治疗后肿瘤CT图特征减治疗前肿瘤CT图特征，这种做法需要大量手动的提取特征，无法实现自动化。专利
技术实现思路
本专本文档来自技高网...

【技术保护点】
1.一种癌症靶向治疗疗效评估方法，其特征在于，包括：/n对患者在癌症治疗期间内的所有CT影像和对应的ROI标注图进行基于分辨率的归一化处理得到处理图像组；/n基于肿瘤分割网络对所述处理图像组中的各处理图像进行检测和分割，提取出与各处理图像中肿瘤尺寸相匹配的3D肿瘤时序数据；/n基于特征学习网络提取所述3D肿瘤时序数据对应的时序特征数据；/n采用基于门控循环的分类网络对所述时序特征数据指示的疗效进行分类，输出疗效评估结果。/n

【技术特征摘要】
1.一种癌症靶向治疗疗效评估方法，其特征在于，包括：
对患者在癌症治疗期间内的所有CT影像和对应的ROI标注图进行基于分辨率的归一化处理得到处理图像组；
基于肿瘤分割网络对所述处理图像组中的各处理图像进行检测和分割，提取出与各处理图像中肿瘤尺寸相匹配的3D肿瘤时序数据；
基于特征学习网络提取所述3D肿瘤时序数据对应的时序特征数据；
采用基于门控循环的分类网络对所述时序特征数据指示的疗效进行分类，输出疗效评估结果。


2.根据权利要求1所述的方法，其特征在于，所述基于肿瘤分割网络对所述处理图像组中的各处理图像进行检测和分割，提取出与各处理图像中肿瘤尺寸相匹配的3D肿瘤时序数据，包括：
采用3DInception-ResNet网络对所述处理图像组中的各处理图像按照图像中肿瘤尺寸的大小进行分类，并提取不同尺寸的肿瘤对应的局部特征；
对不同尺寸的局部特征进行特征加权，确定各处理图像中最具分辨力的代表3D肿瘤数据；
将各代表3D肿瘤数据按照时间顺序组成的3D肿瘤时序数据。


3.根据权利要求1所述的方法，其特征在于，
所述特征学习网络包括多个卷积模块，每个卷积模块具有相同的卷积结构。


4.根据权利要求3所述的方法，其特征在于，
所述卷积结构包括两个3D卷积层、两个整流线性单元和两个批量归一化层。


5.根据权利要求1所述的方法，其特征在于，所述采用基于门控循环的分类网络对所述时序特征数据指示的疗效进行分类，输出疗效评估结果，包括：
采用门控循环单元去除所述时序特征数据中的冗余，得到重要特征数据；
基于所述重要特征数据对当前的治疗效果进行评估，输出疗效评估结果。


6.一种癌症靶向治疗疗效评估装置，其特征在于，包括：
数据预处理模块，用于对患者在癌症治疗期间内的所有CT影像和对应...

【专利技术属性】
技术研发人员：李秀丽，曲太平，卢光明，俞益洲，
申请(专利权)人：北京深睿博联科技有限责任公司，杭州深睿博联科技有限公司，
类型：发明
国别省市：北京;11