本发明专利技术提供了一种肝癌患者生存期预测方法、装置、设备及介质，涉及数据处理技术领域，包括：获取多个患者的历史肝脏图像，预处理获取数据集；所述数据集中包含若干数据包，每一数据包均包括某一患者的各个模态的若干肿瘤图像，且关联唯一生存期标签；建立初始预测模型，获取数据集中任一数据包，在所述初始预测模型中，所述数据包中的肿瘤图像分别在特征提取后进行多模态图像融合，以输出中间特征数据；采用transformer模块进行注意力机制学习后；采用分类器输出生存期预测结果；训练完成以获得目标预测模型；获取目标患者的肝脏图像，预处理后输入至目标预测模型，生成目标生存期预测结果，解决现有技术中缺乏自主进行肝癌患者生存期预测方法的问题。癌患者生存期预测方法的问题。癌患者生存期预测方法的问题。
【技术实现步骤摘要】
肝癌患者生存期预测方法、装置、设备及介质
[0001]本专利技术涉及数据处理
，尤其涉及一种肝癌患者生存期预测方法、装置、设备及介质。
技术介绍
[0002]原发性肝癌(Hepatocellular Carcinoma,HCC)指起源于肝细胞的原发性恶性肿瘤，严重危害人类生命健康，在全球癌症死因中位居第四位。由于其高度侵袭性和隐匿性，病人在被诊断时大多处于中晚期，肿瘤根治的可能性大大降低。目前HCC的主要治疗方式是由经验丰富的医生通过病人的CT或MRI图像判断肿瘤的良恶性和所处分期并确定诊疗方案，但缺乏精准的疾病预测和预后评估策略。
[0003]随着深度学习的发展，人工智能联合医学影像的辅助诊断技术不断完善。借助不同的神经网络模型如ResNet、EfficientNet，人工智能不仅可以从CT、超声、MRI图像中提取肿瘤的尺寸、形状等浅层信息，还能挖掘肿瘤图像所蕴含的语义信息与肿瘤良恶性等目标特征的深层次关联，给医生提供参考意见。目前，人们已经能用不同的深度学习模型较为准确地做出肿瘤良恶性的判断，但对于疾病的预后评估仍然陌生，尤其是癌症患者生存期预测，大多还是根据医生依赖经验判断。
技术实现思路
[0004]为了克服上述技术缺陷，本专利技术的目的在于提供肝癌患者生存期预测方法、装置、设备及介质，解决现有技术中缺乏自主进行肝癌患者生存期预测方法的问题。
[0005]本专利技术公开了一种肝癌患者生存期预测方法，包括：
[0006]获取多个患者的历史肝脏图像，对各个肝脏图像进行预处理，获取包含肿瘤图像的数据集；其中，所述历史肝脏图像包含至少三种模态的肝脏图像；所述数据集中包含若干数据包，每一数据包均包括某一患者的各个模态的若干肿瘤图像，且关联唯一生存期标签；
[0007]建立初始预测模型，其中，所述初始预测模型包括特征提取模块、transformer模块以及分类器，采用所述数据集进行训练；
[0008]获取数据集中任一数据包，在所述初始预测模型中，采用特征提取模块对所述数据包中的肿瘤图像分别在特征提取后进行多模态图像融合，以输出包含各个肿瘤图像中所有特征的中间特征数据；采用transformer模块基于所述中间特征数据和所述数据包对应的患者的病理信息进行注意力机制学习后；采用分类器输出生存期预测结果；训练完成以获得目标预测模型；
[0009]获取目标患者的肝脏图像，预处理后输入至目标预测模型，生成目标生存期预测结果。
[0010]优选地，所述采用特征提取模块对所述数据包中的肿瘤图像分别在特征提取后进行多模态图像融合，以输出包含各个肿瘤图像中所有特征的中间特征数据，包括：
[0011]在特征提取模块中，基于所述数据包中的各个模态的若干肿瘤图像，分别采用卷
积网络对各个肿瘤图像进行特征提取，获得至少三个包含若干第一特征数据的第一特征数据集，其中，每一第一特征数据集对应一个模态的肿瘤图像；
[0012]采用注意力汇聚网络将各个所述第一特征数据集中的第一特征数据进行融合，获得至少三个第二特征数据；
[0013]采用全连接层对各个第二特征数据进行特征联合，输出中间特征数据。
[0014]优选地，所述采用注意力汇聚网络将各个所述第一特征数据集中的第一特征数据进行融合，获得至少三个第二特征数据，包括：
[0015]对于任一第一特征数据数据集：
[0016]所述第一特征数据数据集的各个第一特征数据数据分别经过注意力机制获得对应的注意力得分；
[0017]采用softmax函数将各个注意力得分转化为预设范围的概率值；
[0018]将各个第一特征数据数据分别与对应的概率值的相乘后加和，以获得第二特征数据。
[0019]优选地，所述预处理，包括：
[0020]获取某一患者的历史肝脏图像，以预设尺寸对各个肝脏图像进行调整；
[0021]对于任一调整后的肝脏图像：
[0022]对所述肝脏图像人工标记获得肿瘤区域，生成掩模图像；
[0023]将所述肝脏图像分割成多个图像切片，并将每一图像切片与所述掩模图像叠加，生成各个图像切片对应的三通道图像，作为肿瘤图像；
[0024]集合各个图像切片对应的肿瘤图像即为所述患者的某一模态的若干肿瘤图像。
[0025]优选地，所述将每一图像切片与所述掩模图像叠加，生成各个图像切片对应的三通道图像，包括：
[0026]对于每一图像切片，以图像切片叠加图像切片叠加掩模图像的方式生成三通道图像。
[0027]优选地，所述获取包含肿瘤图像的数据集后，还包括：
[0028]基于所述数据集进行数据增强。
[0029]优选地，采用transformer模块基于所述中间特征数据和所述数据包对应的患者的病理信息进行注意力机制学习前，包括：
[0030]获取所述数据包对应的患者的病理信息；
[0031]分别对所述病理信息中的类别数据和数值数据进行一位编码和归一化处理，生成数字特征；
[0032]将所述数字特征通过多层感知机嵌入与所述中间特征数据相同维度的向量中，并与所述中间特征数据加和，以输入transformer模块。
[0033]本专利技术还提供一种肝癌患者生存期预测装置，包括：
[0034]获取模块，用于获取多个患者的历史肝脏图像，对各个肝脏图像进行预处理，获取包含肿瘤图像的数据集；其中，所述历史肝脏图像包含至少三种模态的肝脏图像；所述数据集中包含若干数据包，每一数据包均包括某一患者的各个模态的若干肿瘤图像，且关联唯一生存期标签；
[0035]建立模块，用于用于建立初始预测模型，其中，所述初始预测模型包括特征提取模
块、transformer模块以及分类器，采用所述数据集进行训练；
[0036]处理模块，用于获取数据集中任一数据包，在所述初始预测模型中，采用特征提取模块对所述数据包中的肿瘤图像分别在特征提取后进行多模态图像融合，以输出包含各个肿瘤图像中所有特征的中间特征数据；采用transformer模块基于所述中间特征数据和所述数据包对应的患者的病理信息进行注意力机制学习后；采用分类器输出生存期预测结果；训练完成以获得目标预测模型；
[0037]执行模块，用于获取目标患者的肝脏图像，预处理后输入至目标预测模型，生成目标生存期预测结果。
[0038]本专利技术还提供一种计算机设备，所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述肝癌患者生存期预测方法的步骤。
[0039]本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述肝癌患者生存期预测方法的步骤。
[0040]采用了上述技术方案后，与现有技术相比，具有以下有益效果：
[0041]本申请获取多个患者的历史肝脏图像，其中包含至少三种模态的肝脏图像，预处理后获取数据集，数据集中包含若干本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种肝癌患者生存期预测方法，其特征在于，包括：获取多个患者的历史肝脏图像，对各个肝脏图像进行预处理，获取包含肿瘤图像的数据集；其中，所述历史肝脏图像包含至少三种模态的肝脏图像；所述数据集中包含若干数据包，每一数据包均包括某一患者的各个模态的若干肿瘤图像，且关联唯一生存期标签；建立初始预测模型，其中，所述初始预测模型包括特征提取模块、transformer模块以及分类器，采用所述数据集进行训练；获取数据集中任一数据包，在所述初始预测模型中，采用特征提取模块对所述数据包中的肿瘤图像分别在特征提取后进行多模态图像融合，以输出包含各个肿瘤图像中所有特征的中间特征数据；采用transformer模块基于所述中间特征数据和所述数据包对应的患者的病理信息进行注意力机制学习后；采用分类器输出生存期预测结果；训练完成以获得目标预测模型；获取目标患者的肝脏图像，预处理后输入至目标预测模型，生成目标生存期预测结果。2.根据权利要求1所述的生存期预测方法，其特征在于，所述采用特征提取模块对所述数据包中的肿瘤图像分别在特征提取后进行多模态图像融合，以输出包含各个肿瘤图像中所有特征的中间特征数据，包括：在特征提取模块中，基于所述数据包中的各个模态的若干肿瘤图像，分别采用卷积网络对各个肿瘤图像进行特征提取，获得至少三个包含若干第一特征数据的第一特征数据集，其中，每一第一特征数据集对应一个模态的肿瘤图像；采用注意力汇聚网络将各个所述第一特征数据集中的第一特征数据进行融合，获得至少三个第二特征数据；采用全连接层对各个第二特征数据进行特征联合，输出中间特征数据。3.根据权利要求2所述的生存期预测方法，其特征在于，所述采用注意力汇聚网络将各个所述第一特征数据集中的第一特征数据进行融合，获得至少三个第二特征数据，包括：对于任一第一特征数据数据集：所述第一特征数据数据集的各个第一特征数据数据分别经过注意力机制获得对应的注意力得分；采用softmax函数将各个注意力得分转化为预设范围的概率值；将各个第一特征数据数据分别与对应的概率值的相乘后加和，以获得第二特征数据。4.根据权利要求1所述的生存期预测方法，其特征在于，所述预处理，包括：获取某一患者的历史肝脏图像，以预设尺寸对各个肝脏图像进行调整；对于任一调整后的肝脏图像：对所述肝脏图像人工标记获得肿瘤区域，生成掩模图像；将所述肝脏图像分割成多个图像切片，并将每一图像切片与所述掩模图像叠加，生成各个图像切片对应的三通道图像，作为肿...
【专利技术属性】
技术研发人员：王亦浏，刘治坤，祝思妤，杜文鼎，
申请(专利权)人：海盐县南北湖医学人工智能研究院，
类型：发明
国别省市：
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。