一种确定实施PMRT的三阴性乳腺癌患者的方法及装置制造方法及图纸

本发明专利技术公开了一种确定实施PMRT的三阴性乳腺癌患者的方法及装置，属于三阴性乳腺癌切除术后预后的技术领域，本方法先获取所述三阴性乳腺癌患者的医学图像，所述医学图像具体为病理H&E染色全切片图像；然后将所述医学图像进行预处理后输入到预先训练好的预设分层模型中；接着通过所述预设分层模型、预设核特征和所述三阴性乳腺癌患者的属性信息确定所述三阴性乳腺癌患者的风险等级；最后基于所述风险等级确定所述三阴性乳腺癌患者是否实施PMRT，能够准确地确定出哪些患者需要实施PMRT，有效指导了放疗决策。有效指导了放疗决策。有效指导了放疗决策。

【技术实现步骤摘要】
一种确定实施PMRT的三阴性乳腺癌患者的方法及装置


[0001]本专利技术属于三阴性乳腺癌切除术后预后的
，具体涉及一种确定实施PMRT的三阴性乳腺癌患者的方法及装置。

技术介绍

[0002]三阴性乳腺癌是一种异质性疾病，占所有乳腺癌病例的15%
‑
20%，三阴性乳腺癌发病年龄早、肿瘤体积较大、复发率高、生物学侵袭性强以及预后较差，通常使用PMRT（Post
‑
mastectomy radiotherapy，乳房切除术后放射治疗）来预防肿瘤复发，但目前在三阴性乳腺癌患者中实施乳房切除术后放射治疗的优点存在争议，也即并非所有三阴性乳腺癌患者都能够从乳房切除术后放射治疗中得到受益。
[0003]因此，如何准确确定出能够受益于乳房切除术后放射治疗的三阴性乳腺癌患者，是本领域技术人员有待解决的技术问题。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中无法准确确定能够受益于乳房切除术后放射治疗的三阴性乳腺癌患者的技术问题。
[0005]为实现上述技术目的，一方面，本专利技术提供了一种确定实施PMRT的三阴性乳腺癌患者的方法，该方法包括：获取所述三阴性乳腺癌患者的医学图像，所述医学图像具体为病理H&E染色全切片图像；将所述医学图像进行预处理后输入到预先训练好的预设分层模型中；通过所述预设分层模型、预设核特征和所述三阴性乳腺癌患者的属性信息确定所述三阴性乳腺癌患者的风险等级；基于所述风险等级确定所述三阴性乳腺癌患者是否实施PMRT。
[0006]进一步地，所述预处理具体包括：将所述医学图像划分为多个预设尺寸的瓦片；确定每个瓦片中像素之间的梯度，并基于该梯度确定对应瓦片的能量值；按照所述能量值由大到小的顺序将所有瓦片进行排序；将预设排名内的瓦片中包含肿瘤的瓦片进行合并，且进行细胞核分割后即为预处理后的医学图像。
[0007]进一步地，具体通过如下公式确定对应瓦片的能量值：式中，x、y分别表示像素点I在x轴和y轴两个方向上的坐标，为偏导数符号，
、分别表示像素点I在x轴和y轴两个方向上的梯度。
[0008]进一步地，通过所述预设分层模型、预设核特征和所述三阴性乳腺癌患者的属性信息确定所述三阴性乳腺癌患者的风险等级具体为：基于所述预设分层模型和预设核特征确定出所述医学图像对应的风险特征；根据所述风险特征和属性信息确定出当前风险值；根据所述当前风险值和截断值确定风险等级。
[0009]进一步地，所述预设分层模型的训练过程如下：获取训练数据集；将所述训练数据集进行预处理后输入到所述预设分层模型中；基于所述预设分层模型和预设核特征为所述训练数据集中每一张训练医学图像生成风险特征；根据所述风险特征和对应训练医学图像的训练患者属性信息确定出训练数据集中每一个训练患者的风险值，并组成风险值集；基于约登指数确定出所述风险值集中的截断值；将所述截断值输入到预设分层模型中以完成训练。
[0010]进一步地，所述属性信息具体包括年龄和TNM分期信息。
[0011]另一方面，本专利技术还提供了一种确定实施PMRT的三阴性乳腺癌患者的装置，所述装置包括：获取模块，用于获取所述三阴性乳腺癌患者的医学图像，所述医学图像具体为病理H&E染色全切片图像；预处理模块，用于将所述医学图像进行预处理后输入到预先训练好的预设分层模型中；评级模块，用于通过所述预设分层模型、预设核特征和所述三阴性乳腺癌患者的属性信息确定所述三阴性乳腺癌患者的风险等级；确定模块，用于基于所述风险等级确定所述三阴性乳腺癌患者是否实施PMRT。
[0012]本专利技术提供的一种确定实施PMRT的三阴性乳腺癌患者的方法及装置，与现有技术相比，本方法先获取所述三阴性乳腺癌患者的医学图像；然后将所述医学图像进行预处理后输入到预先训练好的预设分层模型中；接着通过所述预设分层模型、预设核特征和所述三阴性乳腺癌患者的属性信息确定所述三阴性乳腺癌患者的风险等级；最后基于所述风险等级确定所述三阴性乳腺癌患者是否实施PMRT，能够准确地确定出哪些患者需要实施PMRT，有效指导了放疗决策。
附图说明
[0013]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1所示为本说明书实施例提供的确定实施PMRT的三阴性乳腺癌患者的方法的流
程示意图；图2所示为本说明书实施例提供的确定实施PMRT的三阴性乳腺癌患者的装置的结构示意图；图3所示为本说明书实施例提供的确定实施PMRT的三阴性乳腺癌患者的服务器的硬件结构框图。
具体实施方式
[0015]为了使本领域普通技术人员更好地理解本说明书中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0016]如图1所示为本说明实施例提供的确定实施PMRT的三阴性乳腺癌患者的方法的流程示意图，虽然本说明提供了如下实施例或附图中所示的方法操作步骤或装置结构，但基于常规或无需创造性劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元，在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构在实际中的装置、服务器或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行（例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境）。
[0017]本说明实施例中提供的确定实施PMRT的三阴性乳腺癌患者的方法可以应用在客户端和服务器等终端设备中，如图1所示，所述方法具体包括如下步骤：步骤S101、获取所述三阴性乳腺癌患者的医学图像，所述医学图像具体为病理H&E染色全切片图像。
[0018]具体的，病理H&E染色全切片图像和其他类型（X射线
‑
MR
‑
超声等）的图像的主要区别是它不是通过仪器扫描得到，而是首先使用穿刺提取出患者体内肿瘤部分的组织，然后使用染色剂将细胞核和细胞质及结缔组织染上不同的颜色进行观察的一种方式，它的特点是这类图像方便更加清晰的观察辨别各类不同组织，这也是后续步骤中分割细胞核提取特征的基础。
[0019]步骤S102、将所述医学图像进行预处理后输入到预先训练好的预设分层模型中。
[0020]具体的，机器学习是人工智能的一个子集，它可以从大量的历史数据中学习逻辑模式，从而预测患者的生存状况，目前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定实施PMRT的三阴性乳腺癌患者的方法，其特征在于，所述方法包括：获取所述三阴性乳腺癌患者的医学图像，所述医学图像具体为病理H&E染色全切片图像；将所述医学图像进行预处理后输入到预先训练好的预设分层模型中；通过所述预设分层模型、预设核特征和所述三阴性乳腺癌患者的属性信息确定所述三阴性乳腺癌患者的风险等级；基于所述风险等级确定所述三阴性乳腺癌患者是否实施PMRT。2.如权利要求1所述的方法，其特征在于，所述预处理具体包括：将所述医学图像划分为多个预设尺寸的瓦片；确定每个瓦片中像素之间的梯度，并基于该梯度确定对应瓦片的能量值；按照所述能量值由大到小的顺序将所有瓦片进行排序；将预设排名内的瓦片中包含肿瘤的瓦片进行合并，且进行细胞核分割后即为预处理后的医学图像。3.如权利要求2所述的方法，其特征在于，具体通过如下公式确定对应瓦片的能量值：式中，x、y分别表示像素点I在x轴和y轴两个方向上的坐标，为偏导数符号，、分别表示像素点I在x轴和y轴两个方向上的梯度。4.如权利要求1所述的方法，其特征在于，所述通过所述预设分层模型、预设核特征和所述三阴性乳腺癌患者的属性信息确定所述三阴性乳腺癌患者的风险等级具体为：基于所述预设分层模型和预设核特征确定出所述医学图...

【专利技术属性】
技术研发人员：岳静，侯玮康，彭博，李艳，王一帆，
申请(专利权)人：成都迈创立科技有限公司，
类型：发明
国别省市：