【技术实现步骤摘要】
一种预测肺癌病理图像中基因突变的辅助系统及方法
本专利技术涉及神经网络领域，尤其涉及一种预测肺癌病理图像中基因突变的辅助系统及方法。
技术介绍
肺癌是全球最常见的恶性肿瘤之一，而且预后差，5年生存率仅有18％。是肿瘤相关死亡率最高的癌症。不同的病理类型相应的治疗方案也不同，对于罹患腺癌的患者，近年来新兴的基于基因组学而发展的针对驱动基因的靶向治疗具有重要意义。靶向治疗是利用具有一定特异性的载体，将药物或者其他具有杀伤肿瘤细胞的活性物质选择性的运送到肿瘤部位，将治疗作用或药物效应尽量限定在特定的靶细胞、组织和器官内，而不会影响正常细胞、组织和器官的功能，从而提高疗效、减少对肿瘤病人的毒副作用的一种癌症治疗手段。这种治疗方法具有高选择性、可以稳、准、狠的打击到肿瘤细胞，如靶向特定表皮生长因子受体(EGFR)突变的酪氨酸激酶抑制剂(TKI)吉非替尼、靶向ALK基因的TKI克唑替尼等已经成为了肺癌精准医学不可或缺的重要组分。然而靶向治疗有效的前提必须是患者存在EGFR或者ALK基因突变阳性，因此选择靶向药物之前需要明确病人的驱动基因...
【技术保护点】
1.一种预测肺癌病理图像中基因突变的辅助系统，其特征在于，包括：/n第一获取模块，用于对若干肺癌患者的病理切片进行扫描获得数字病理图像，并将所述数字病理图像中的病灶区根据肺癌类别进行标注获得标注图像；/n第二获取模块，用于对所述病灶区的肿瘤进行基因测序获得与所述标注图像关联的所述肺癌类别相对应的基因突变数据；/n生成模块，分别连接所述第一获取模块和所述第二获取模块，用于将所述标注图像和与所述标注图像相对应的所述基因突变数据进行融合，生成训练数据组；/n分组模块，连接所述生成模块，用于将所述训练数据组分成一训练集和一测试集；/n训练模块，连接所述分组模块，用于将所述训练集输入...
【技术特征摘要】 【专利技术属性】
1.一种预测肺癌病理图像中基因突变的辅助系统，其特征在于，包括：
第一获取模块，用于对若干肺癌患者的病理切片进行扫描获得数字病理图像，并将所述数字病理图像中的病灶区根据肺癌类别进行标注获得标注图像；
第二获取模块，用于对所述病灶区的肿瘤进行基因测序获得与所述标注图像关联的所述肺癌类别相对应的基因突变数据；
生成模块，分别连接所述第一获取模块和所述第二获取模块，用于将所述标注图像和与所述标注图像相对应的所述基因突变数据进行融合，生成训练数据组；
分组模块，连接所述生成模块，用于将所述训练数据组分成一训练集和一测试集；
训练模块，连接所述分组模块，用于将所述训练集输入到预先生成的卷积神经网络模型中进行训练获得肺癌基因突变判断模型；
测试模块，连接所述训练模块，用于将所述测试集输入到所述肺癌基因突变判断模型中进行测试获得所述测试集中的所述标注图像关联的所述肺癌类别对应的基因表达量；
处理模块，连接所述测试模块，用于根据所述基因表达量与对应的所述基因突变数据处理得到所述肺癌基因突变判断模型的预测准确率，并在所述预测准确率不小于预设的准确率阈值时，保存所述所述肺癌基因突变判断模型；
医生根据所述肺癌基因突变判断模型处理得到的所述肺癌患者的表征所述肺癌类别的所述基因表达量，以及所述肺癌患者的临床特征给出所述肺癌患者的治疗指导意见。
2.根据权利要求1所述的预测肺癌病理图像中基因突变的辅助系统，其特征在于，所述第一获取模块包括：
扫描单元，用于获取若干肺癌患者的病理切片，并分别对各所述病理切片进行扫描获得数字病理图像；
标注单元，连接所述扫描单元，用于对所述数字病理图像中的病灶区根据肺癌类别进行标注获得标注图像。
3.根据权利要求1所述的预测肺癌病理图像中基因突变的辅助系统，其特征在于，所述肺癌类别为肺鳞癌，或肺腺癌，或小细胞癌，或大细胞癌。
技术研发人员：佘云浪，陈昶，谢冬，邓家骏，赵蒙蒙，
申请(专利权)人：上海市肺科医院上海市职业病防治院，
类型：发明
国别省市：上海;31
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。