基于TransFG模型的肿瘤预测系统、方法、及其应用技术方案

本发明专利技术涉及肿瘤学诊断、预测、评估技术领域，具体涉及基于TransFG模型的肿瘤预测系统、方法及其应用，所述系统包括：舌象采集模块，其被配置为获取测试试样的舌象图像；数据处理模块，其被配置为通过下述操作来获得测试试样属于阳性的概率：依据自动学习获得的舌象图像上的可判别性的特征预测测试试样属于阳性的概率；所述可判别性的特征来自于单一的阳性舌象图像或阴性舌象图像。所述系统还包括输出模块。旨在应用AI深度学习，基于舌象图像对肿瘤进行诊断预测，肿瘤预测系统操作简单，成本低廉，无痛无创，通过大量测试病例证实预测系统是一种针对于肿瘤的前瞻性的、经济性的、无创性的、有效性的筛查系统。有效性的筛查系统。有效性的筛查系统。

【技术实现步骤摘要】
基于TransFG模型的肿瘤预测系统、方法、及其应用
[0001]本申请是申请日“2022.07.22”、申请号“202210861997.4”、专利技术名称“基于舌象图像的肿瘤预测系统、方法及其应用”的中国专利技术专利申请的分案申请。


[0002]本专利技术涉及肿瘤学诊断、预测、评估
，更具体来说，具体涉及基于舌象图像的肿瘤预测系统、方法及其应用，通过分析舌象图像与肿瘤学的关联关系，从而实现经济的、非侵入性的且具有较高准确度的肿瘤预测。

技术介绍

[0003]根据最新数据，胃癌(GC)是全球第三大癌症相关死亡原因，仅2020年即新增GC病例109万例，死亡77万例。GC的诊断和筛查仍然依赖于胃镜检查，但由于其侵入性强、成本高以及需要专业的内镜医师，其应用受到很大限制。此外，由于胃癌早期缺乏特异性症状，临床疾病标志物的特异性和敏感性较差，超过60％的患者在确诊时即发生局部或远处转移。局部早期GC患者的5年生存率超过60％，而局部、远处转移患者的5年生存率分别显著下降至30％和5％。因此，迫切需要新的GC诊断或筛查方法，以提高该人群本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于舌象图像的肿瘤预测系统，其特征在于包括：舌象采集模块，其被配置为获取测试试样的舌象图像；数据处理模块，其被配置为通过下述操作来获得测试试样属于阳性的概率：依据自动学习获得的舌象图像上的可判别性的特征预测测试试样属于阳性的概率；所述可判别性的特征来自于单一的阳性舌象图像或阴性舌象图像。2.根据权利要求1所述的系统，其特征在于：所述肿瘤是胃癌、乳腺癌、结直肠癌、食道癌、肝胆胰腺癌、肺癌、前列腺癌、甲状腺癌、卵巢癌、神经母细胞瘤、滋养细胞肿瘤或头颈部鳞癌中的至少一种。3.根据权利要求1或2所述的系统，其特征在于：所述肿瘤是胃癌、乳腺癌、结直肠癌、食道癌、肝胆胰腺癌或肺癌中的至少一种。4.根据权利要求1所述的系统，其特征在于：所述系统还包括输出模块，其被配置为输出预测结果。5.根据权利要求4所述的系统，其特征在于：所述输出模块被配置为输出舌象图像与预测结果。6.根据权利要求4或5所述的系统，其特征在于：所述输出模块以电子显示、声音播报、打印、网络传输的至少一种模式输出。7.根据权利要求1所述的系统，其特征在于：所述可判别性的特征来自于舌象图像切割成n小块后形成输入序列进行特征提取以获得利于分类的深层特征。8.根据权利要求1所述的系统，其特征在于：所述数据处理模块具体配置为通过下述操作来获得测试试样属于阳性的概率：将测试试样舌象图像切割成小块，通过线性映射形成输入向量并添加位置索引，导入训练完成的深度学习模型进行特征提取及特征融合，输出选择后的有利于分类的深层特征，获得分属各个类别的概率。9.根据权利要求8所述的系统，其特征在于：所述深度学习模型通过下述步骤完成训练：a)将舌面图像切割成n小块，然后将切割成的n小块按照顺序组成输入序列，形成长度为n的输入序列，通过线性映射形成输入向量，并添加位置索引0,1,2,
…
,n
‑
1；b)以基于TransFG...

【专利技术属性】
技术研发人员：程向东，袁莉，杨林，张士川，徐志远，
申请(专利权)人：浙江省肿瘤医院，
类型：发明
国别省市：