【技术实现步骤摘要】
肿瘤预测方法、装置、云平台及计算机可读存储介质
本申请涉及医学数据处理
，特别涉及一种肿瘤预测方法、装置、云平台及计算机可读存储介质。
技术介绍
无论在细胞形态上，还是在组织结构上，肿瘤组织都与其发源的正常组织有不同程度的差异，这种差异称为异型性。异型性的大小可以用肿瘤组织分化成熟的程度来表示。肿瘤组织异型性小，说明其分化程度高，则其恶性程度低；反之，说明肿瘤组织分化程度低，则其恶性程度高。恶性肿瘤分为早期、中期和晚期，早期的恶性肿瘤大多可以治愈，中期的恶性肿瘤可以减轻痛苦，延长生命，因此肿瘤分类预测显得尤为重要。目前，主要使用影像组学的方法来进行肿瘤分类预测，该方法主要通过在计算机断层成像(ComputedTomography，简称CT)、磁共振成像(MagneticResonanceImaging，简称MRI)、正电子发射断层成像(PositronEmissionTomography，简称PET)等医学影像中的感兴趣区域提取大量的定量影像特征，利用机器学习方法对这些定量影像特征进行筛选、分析，选择出与临床问...
【技术保护点】
1.一种肿瘤预测方法，其特征在于，所述肿瘤预测方法在云平台上执行，并且包括：/n调用所获取的目标预测模型对所获取的目标患者的目标图像进行分割以得到含有肿瘤区域的分割图像；/n从所得到的所述分割图像中提取高维特征和深度特征；/n按照预设条件对所述高维特征和所述深度特征进行筛选处理；/n调用所述目标预测模型对筛选出的所述深度特征和所述高维特征进行融合以得到融合特征，并且根据所述融合特征预测所述目标患者的肿瘤分类。/n
【技术特征摘要】
1.一种肿瘤预测方法，其特征在于，所述肿瘤预测方法在云平台上执行，并且包括：
调用所获取的目标预测模型对所获取的目标患者的目标图像进行分割以得到含有肿瘤区域的分割图像；
从所得到的所述分割图像中提取高维特征和深度特征；
按照预设条件对所述高维特征和所述深度特征进行筛选处理；
调用所述目标预测模型对筛选出的所述深度特征和所述高维特征进行融合以得到融合特征，并且根据所述融合特征预测所述目标患者的肿瘤分类。
2.根据权利要求1所述的肿瘤预测方法，其特征在于，所述目标预测模型通过以下方式获取：
从外部装置或本地获取所述目标预测模型。
3.根据权利要求2所述的肿瘤预测方法，其特征在于，从本地获取所述目标预测模型包括：
利用所获取的样本影像数据对预先构建的机器学习模型进行训练和验证，所述样本影像数据包括训练数据和验证数据，并且与所述目标图像相匹配；
将训练效果达到最优并且通过验证的所述机器学习模型确定为所述目标预测模型。
4.根据权利要求3所述的肿瘤预测方法，其特征在于，在对所述机器学习模型进行训练之前，所述肿瘤预测方法包括：
从本地数据库中选取预先存储的所述样本影像数据；或者
通过对所接收的患者数据进行处理来获得所述样本影像数据。
5.根据权利要求4所述的肿瘤预测方法，其特征在于，通过对所接收的患者数据进行处理来获得所述样本影像数据包括：
对所接收的患者数据进行格式解析；
按照预设标准从解析后的患者数据中选取所述样本影像数据。
6.根据权利要求5所述的肿瘤预测方法，其特征在于，所述预设标准包括所述患者数据是否完整、是否经过临床验证以及是否满足临床指标。
7.根据权利要求1所述的肿瘤预测方法，其特征在于，按照预设条件对所述深度特征以及从所述目标图像提取的高维特征进行筛选包括：
利用稀疏表示算法、套索算法、Fisher判别法、基于最大相关-最小冗余的特征选择算法或基于条件互信息的特征选择算法对所述高维特征和所述深度特征进行筛选以筛选出满足所述预设条件的高维特征和深度特征。
8.根据权利要求1所述的肿瘤预测方法，其特征在于，所述目标图像包括CT图像、MRI图像、PET图像、US图像、SPECT图像和/或PET/CT图像。
...
【专利技术属性】
技术研发人员：邓胡川，赵安江，高杰临，丁瑞鹏，谢庆国，
申请(专利权)人：苏州瑞派宁科技有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。