一种胃癌H＆E染色图像智能预测PD-L1抑制剂疗效的方法技术

本发明专利技术提供了一种胃癌H&E染色图像智能预测PD

【技术实现步骤摘要】
一种胃癌H＆E染色图像智能预测PD
‑
L1抑制剂疗效的方法


[0001]本专利技术涉及图像识别
，特别是一种胃癌H＆E染色图像智能预测PD
‑
L1抑制剂疗效的方法。

技术介绍

[0002]根据国际癌症研究机构(IARC)2020年的统计数据显示，胃癌是全球第五大常见恶性肿瘤，死亡率位列所有恶性肿瘤中的第四位。胃癌的治疗方式主要有外科手术、内镜治疗、化学治疗、基因治疗、中医药治疗、综合治疗等，近几年来，以PD
‑
1/PD
‑
L1单克隆抗体为代表的免疫检查点抑制剂在肿瘤免疫治疗方面取得突破性进展。目前对于免疫治疗疗效预测集中在肿瘤微环境PD
‑
L1的表达上，胃癌中PD
‑
L1表达水平的判读标准使用的是免疫组化的方法进行 CPS评分(综合阳性评分)，数值越大，表明肿瘤对免疫治疗的敏感性越高。在2020年欧洲肿瘤内科学会年会(ESMO)上，在胃癌领域开展的迄今为止规模最大、唯一成功的全球性III期研究——CheckMate
‑...

【技术保护点】

【技术特征摘要】
1.一种胃癌H&E染色图像智能预测PD
‑
L1抑制剂疗效的方法，其特征在于，提出基于半监督学习的癌变区域分割模型，分割H&E染色图像中的癌变区域；其次，取出包含癌变区域的图像块，根据临床医生标记的PD
‑
L1抑制剂疗效标签得到每张图像块的类别标签，运用基于多实例学习的图像分类模型进行图像块层面的预测；最后，基于图像块层面的预测结果生成整张H&E染色图像的疗效判别矩阵，运用基于深度卷积神经网络的图像分类模型进行切片层面的疗效预测。2.根据权利要求1所述的一种胃癌H&E染色图像智能预测PD
‑
L1抑制剂疗效的方法，其特征在于，首先，将H&E染色图像切割成512
×
512像素的图像块，根据胃癌分型选取部分图像块标注胃癌区域，得到部分已标注图像块和未标注图像块；其次，选取DeepLabV3+作为分割主干网络，并使用通过ImageNet数据集预训练获得的EfficientNet
‑
B3网络代替DeepLab V3+网络中的编码器结构，构建mean teacher模型；最后，对于已标注的图像块，输入学生网络，得到的预测结果和真实标签之间使用交叉熵损失函数结合Focal Loss进行约束，即Mixed Loss；对于未标注的图像块，分别输入教师网络和学生网络，得到的预测结果通过一致性损失函数进行约束，即Consistency Loss；其中，学生网络通过MixedLoss结合Consistency Loss调整和改进网络优化目标，教师网络权重参数由学生网络权重参数的指数移动平均值获得；同时，在训练数据中加入各种辅助图像变换。3.根据权利要求2所述的一种胃癌H&E染色图像智能预测PD
‑
L1抑制剂疗效的方法，其特征在于，首先，基于患者的生存期、无进展生存期和肿瘤缩小程度，评估H...

【专利技术属性】
技术研发人员：童同，兰俊林，张和军，陈刚，杜民，王健超，陈丽芳，
申请(专利权)人：福建省肿瘤医院福建省肿瘤研究所，福建省癌症防治中心，
类型：发明
国别省市：