一种索拉非尼耐药性预测方法、装置及可存储介质制造方法及图纸

本发明专利技术公开了一种索拉非尼耐药性预测方法、装置及可存储介质，其中方法包括：获取肝癌患者的肝脏CT图像数据，并对所述肝脏CT图像数据进行处理，得到训练样本数据集；建立复合神经网络模型，利用所述训练样本数据集对所述复合神经网络模型进行训练；再次采集患者的肝脏CT图像，并将所述肝脏CT图像进行再一次预处理，输入至经过训练的所述复合神经网络模型进行处理，实现索拉非尼耐药性预测；本发明专利技术可通过对肝癌患者的计算机体层成像图像进行机器学习分析，对索拉非尼耐药性能够进行预测。对索拉非尼耐药性能够进行预测。对索拉非尼耐药性能够进行预测。

【技术实现步骤摘要】
一种索拉非尼耐药性预测方法、装置及可存储介质


[0001]本专利技术涉及计算机辅助药物性能预测
，更具体的说是涉及一种索拉非尼耐药性预测方法、装置及可存储介质。

技术介绍

[0002]目前，肝癌是危害人体健康的重大疾病之一，70％的肝癌初诊时即为晚期，失去手术切除机会；其余具有手术切除机会的患者，也面临复发率高、转移率高的问题。复发转移的患者及无法手术的患者，一般只能通过索拉非尼等药物进行治疗，而药物治疗效果受耐药性的影响，由于患者的耐药性是否发生无法预测，只能在用药过程中发现肿瘤病灶表现出增大、转移等进一步恶化特征后，才能判定耐药，但为时已晚。
[0003]但是，肿瘤会随着时间而变化，无法完全捕获肿瘤的特征，仅仅通过图像无法十分准确地进行检测，降低了耐药性的预测精度。
[0004]因此，如何提供一种精度高的索拉非尼耐药性预测方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种索拉非尼耐药性预测方法、装置及可存储介质，利用计算机体层成像DICOM文件中的空间值和灰度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种索拉非尼耐药性预测方法，其特征在于，包括：获取肝癌患者的肝脏CT图像数据，并对所述肝脏CT图像数据进行处理，得到训练样本数据集；建立复合神经网络模型，利用所述训练样本数据集对所述复合神经网络模型进行训练；再次采集患者的肝脏CT图像，并将所述肝脏CT图像进行再一次预处理，输入至经过训练的所述复合神经网络模型进行处理，实现索拉非尼耐药性预测。2.根据权利要求1所述的一种索拉非尼耐药性预测方法，其特征在于，所述复合神经网络模型包括依次连接的LSTM神经网络和DNN神经网络；所述LSTM神经网络包括依次连接的输入层、LSTM模块、全连接层和Softmax层，所述DNN神经网络包括：全连接层、Softmax层和输出层。3.根据权利要求2所述的一种索拉非尼耐药性预测方法，其特征在于，所述LSTM模块包括：遗忘门f
t
、输入门i
t
、输出门o
t
及细胞门C
t
，每个门通过有选择地筛选前一个门信息h
t
‑1及当前输入x
t
，并确定单个LSTM单元的输出h
t
。4.根据权利要求3所述的一种索拉非尼耐药性预测方法，其特征在于，前一个隐含层信息h
t
‑1和当前输入x
t
为i
t
＝σ(W
xi
x
t
+W
hi
h
t
‑1+b
i
)f
t
＝σ(W
xf
x
t
+W
hf
h
t
‑1+b
f
)C
t
＝f
t
C
t
‑1+i
t
tanh(W
xc
x
t
+...

【专利技术属性】
技术研发人员：姚清河，陈珺逸，陈泽森，张栏，郭宇，沈顺利，王霁朏，杨佳丽，
申请(专利权)人：中山大学，
类型：发明
国别省市：