肝细胞癌微血管侵犯预测方法、装置及电子设备制造方法及图纸

本发明专利技术公开了一种肝细胞癌微血管侵犯预测方法、装置及电子设备，其中，方法包括：获取已治疗患者的术前影像图像、临床指标及对应的病灶病理结果；根据已治疗患者的术前影像图像、临床指标及对应的病灶病理结果，对预构建的预测模型进行训练，待预测模型符合预设标准时，确定预测模型为微血管侵犯预测模型；获取待预测患者的术前影像图像和临床指标；将待预测患者术前的影像图像、临床指标输入到微血管侵犯预测模型中，输出分类结果，用以对待测患者是否存在肝细胞癌微血管侵犯进行预测。通过该方式，可以适应临床实际场景，得到更加准确的分类预测结果，为临床实际诊断、手术方案及预后评估等工作提供参考和便利。预后评估等工作提供参考和便利。预后评估等工作提供参考和便利。

【技术实现步骤摘要】
肝细胞癌微血管侵犯预测方法、装置及电子设备


[0001]本专利技术一个或多个实施例涉及医学诊断
，尤其涉及一种肝细胞癌微血管侵犯预测方法、装置及电子设备。

技术介绍

[0002]肝细胞癌(hepatocellular carcinoma，HCC)是最常见的原发性肝脏恶性肿瘤之一，其发病率在世界范围内不断增加。随着医学技术的发展，肝癌的治疗效果取得很大进步，其中以手术切除及肝移植为主的外科手术依然是最有效的治疗方式，而影响HCC术后长期生存率的一个重要因素是是否存在微血管侵犯(Microvascularinvasion，MVI)。即MVI是HCC患者独立预后因素，于术后复发及远期生存率相关。目前临床上，术前预测MVI主要依靠影像学检查，如CT图像，磁共振成像(Magnetic Resonance Imaging，MRI)等，宏观的肿瘤特点以及血清标志物等信息，但并不能准确判断患者的MVI发生情况。

技术实现思路

[0003]为解决现有技术中存在的问题，本专利技术提供了一种肝细胞癌微血管侵犯预测方法、装置及电子设备，基于深度学习算法利用腹部增强CT图像的动脉期图像、静脉期图像以及一些常规临床指标进行MVI的分类预测，为临床实际诊断及手术方案，预后评估等工作提供参考和便利，降低了术后复发率，提高了患者的总体预后。
[0004]为实现上述目的，本专利技术提供了以下技术方案：
[0005]第一方面，本专利技术提供了一种肝细胞癌微血管侵犯预测方法，该方法包括以下步骤：
[0006]获取已治疗患者的术前影像图像、临床指标及对应的病灶病理结果；
[0007]根据所述已治疗患者的术前影像图像、临床指标及对应的病灶病理结果，对预构建的预测模型进行训练，待所述预测模型符合预设标准时，确定所述预测模型为微血管侵犯预测模型；
[0008]获取待预测患者的术前影像图像和临床指标；
[0009]将所述待预测患者术前的影像图像、临床指标输入到所述微血管侵犯预测模型中，输出分类结果，用以对待测患者是否存在肝细胞癌微血管侵犯进行预测。
[0010]在一个可能的实施方式中，所述影像图像为增强CT图像。
[0011]在一个可能的实施方式中，所述临床指标包括：患者年龄、性别、肝功能生化指标及与病灶有关的肿瘤体积和肿瘤最大径。
[0012]在一个可能的实施方式中，所述微血管侵犯预测模型由基于影像图像的第一单输入模型和第二单输入模型，及基于影像图像及临床指标的第一双输入模型和第二双输入模型构成，所述微血管侵犯预测模型利用集成方法根据所述第一单输入模型的第一分类结果和所述第二单输入模型的第二分类结果，及所述第一双输入模型的第三分类结果和所述第二双输入模型的第四分类结果，确定分类结果，用以预测待测患者是否存在肝细胞癌微血
管侵犯。
[0013]在一个可能的实施方式中，所述方法还包括：将所述待预测患者术前的影像图像、临床指标输入到所述微血管侵犯预测模型中，生成与病灶区域的影像图像对应的模型激活图，用以对所述分类结果进行解释。
[0014]第二方面，本专利技术提供了一种肝细胞癌微血管侵犯预测装置，该装置包括：
[0015]第一获取模块，用于获取已治疗患者的术前影像图像、临床指标及对应的病灶病理结果；
[0016]模型构建模块，用于根据所述已治疗患者的术前影像图像、临床指标及对应的病灶病理结果，对预构建的预测模型进行训练，待所述预测模型符合预设标准时，确定所述预测模型为微血管侵犯预测模型；
[0017]第二获取模块，用于获取待预测患者的术前影像图像和临床指标；
[0018]预测模块，用于将所述待预测患者术前的影像图像、临床指标输入到所述微血管侵犯预测模型中，输出分类结果，用以对待测患者是否存在肝细胞癌微血管侵犯进行预测。
[0019]在一个可能的实施方式中，所述微血管侵犯预测模型由基于影像图像的第一单输入模型和第二单输入模型，及基于影像图像及临床指标的第一双输入模型和第二双输入模型构成，所述微血管侵犯预测模型利用集成方法根据所述第一单输入模型的第一分类结果和所述第二单输入模型的第二分类结果，及所述第一双输入模型的第三分类结果和所述第二双输入模型的第四分类结果，确定分类结果，用以预测待测患者是否存在肝细胞癌微血管侵犯。
[0020]在一个可能的实施方式中，所述预测模型还用于将所述待预测患者术前的影像图像、临床指标输入到所述微血管侵犯预测模型中，生成与病灶区域的影像图像对应的模型激活图，用以对所述分类结果进行解释。
[0021]第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信，处理器包括图形处理器和中央处理器；
[0022]存储器，用于存放计算机程序；
[0023]处理器，用于执行存储器上所存放的程序时，实现如第一方面任一项实施例的肝细胞癌微血管侵犯预测方法的步骤。
[0024]第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如第一方面任一项实施例的肝细胞癌微血管侵犯预测方法的步骤。
[0025]本专利技术实施例提供的上述技术方案与现有技术相比具有如下优点：
[0026]本专利技术实施例提供的一种肝细胞癌微血管侵犯预测方法，获取已治疗患者的术前影像图像、临床指标及对应的病灶病理结果；根据所述已治疗患者的术前影像图像、临床指标及对应的病灶病理结果，对预构建的预测模型进行训练，待所述预测模型符合预设标准时，确定所述预测模型为微血管侵犯预测模型；获取待预测患者的术前影像图像和临床指标；将待预测患者术前的影像图像、临床指标输入到微血管侵犯预测模型中，输出分类结果，用以对待测患者是否存在肝细胞癌微血管侵犯进行预测。通过该方式，可以适应临床实际场景，得到更加准确的分类预测结果，为临床实际诊断、手术方案及预后评估等工作提供参考和便利。
附图说明
[0027]图1为本专利技术实施例提供的一种肝细胞癌微血管侵犯预测方法流程示意图；
[0028]图2为预测模型示意图；
[0029]图3为单输入模型示意图；
[0030]图4为双输入模型示意图；
[0031]图5为LinBnDrop层的结构示意图；
[0032]图6为模型激活图示意图；
[0033]图7为肝细胞癌微血管侵犯模型诊断微血管侵犯的ROC曲线；
[0034]图8为本专利技术实施例提供的一种肝细胞癌微血管侵犯预测装置的结构示意；
[0035]图9为本专利技术实施例提供一种电子设备结构示意图。
具体实施方式
[0036]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种肝细胞癌微血管侵犯预测方法，其特征在于，所述方法包括以下步骤：获取已治疗患者的术前影像图像、临床指标及对应的病灶病理结果；根据所述已治疗患者的术前影像图像、临床指标及对应的病灶病理结果，对预构建的预测模型进行训练，待所述预测模型符合预设标准时，确定所述预测模型为微血管侵犯预测模型；获取待预测患者的术前影像图像和临床指标；将所述待预测患者术前的影像图像、临床指标输入到所述微血管侵犯预测模型中，输出分类结果，用以对待测患者是否存在肝细胞癌微血管侵犯进行预测。2.根据权利要求1所述的方法，其特征在于，所述影像图像为增强CT图像。3.根据权利要求1所述的方法，其特征在于，所述临床指标包括：患者年龄、性别、肝功能生化指标及与病灶有关的肿瘤体积和肿瘤最大径。4.根据权利要求1所述的方法，其特征在于，所述微血管侵犯预测模型由基于影像图像的第一单输入模型和第二单输入模型，及基于影像图像及临床指标的第一双输入模型和第二双输入模型构成，所述微血管侵犯预测模型利用集成方法根据所述第一单输入模型的第一分类结果和所述第二单输入模型的第二分类结果，及所述第一双输入模型的第三分类结果和所述第二双输入模型的第四分类结果，确定分类结果，用以预测待测患者是否存在肝细胞癌微血管侵犯。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述待预测患者术前的影像图像、临床指标输入到所述微血管侵犯预测模型中，生成与病灶区域的影像图像对应的模型激活图，用以对所述分类结果进行解释。6.一种肝细胞癌微血管侵犯预测装置，其特征在于，所述装置包括：第一获取模块，用于获取已治疗患者的术前影像图像、临床指标及对应的病灶病理结果；模型构建模块，用于根据所述已治疗患者的术前影像图像、临床指标及...

【专利技术属性】
技术研发人员：张晓东，张玉东，
申请(专利权)人：北京大学第一医院，
类型：发明
国别省市：